PENENTUAN LOKASI PHOTOVOLTAIC DENGAN METODE...

PENENTUAN LOKASI PHOTOVOLTAIC DENGAN METODE CONTINUATION POWER FLOW UNTUK

MENGOPTIMALKAN PERFORMANSI SISTEM

DETERMINATION OF PHOTOVOLTAIC’S LOCATION WITH CONTINUATION POWER FLOW METHOD TO OPTIMIZE SYSTEM’S

PERFORMANCE

SITTI MARWAH RACHMAN

P2700215004

PROGRAM STUDI TEKNIK ELEKTRO PROGRAM PASCA SARJANA UNIVERSITAS HASANUDDIN

MAKASSAR 2017

i

PENENTUAN LOKASI PHOTOVOLTAIC DENGAN METODE CONTINUATION POWER FLOW UNTUK

MENGOPTIMALKAN PERFORMANSI SISTEM

Tesis

Sebagai Salah satu Syarat untuk Mencapai Gelar Magister

Program Studi

Teknik Elektro

Disusun dan diajukan oleh


Kepada

PROGRAM STUDI TEKNIK ELEKTRO PROGRAM PASCA SARJANA UNIVERSITAS HASANUDDIN

MAKASSAR 2017

iii

PERNYATAAN KEASLIAN TESIS

Yang bertanda tangan dibawah ini :

Nama : Sitti Marwah Rachman

Nim : P2700215004

Program Studi : Teknik Elektro

Menyatakan dengan sebenarnya bahwa tesis yang saya tulis ini

adalah benar-benar merupakan hasilkarya sendiri, bukan merupakan

pengambilalihan tulisan atau pemikiran orang lain. Apabila di kemudian hari

terbukti atau data dibuktikan bahwa sebagian atau keseluruhan tesis ini

hasil karya orang laian, saya bersedia menerima sanksi atas perbuatan

tersebut.

Makassar,…….November 2017 Yang menyatakan,

Sitti Marwah Rachman

iv

PRAKATA

Segala puji atas kehadirat Allah SWT yang senantiasa memberikan

kemudahan bagi penulis dalam menyelesaikan proposal penelitian ini.

Salam dan shalawat kita sampaikan kepada Rasulullah Muhammad SAW

sebagai tauladan bagi seluruh ummat manusia.

Penelitian ini penulis dedikasikan kepada suami tercinta Muhammad

Ilham dan anakda tersayang Afifah Salsabila Ilham dan anakda Ammar Aqil

Ilham atas kasih sayang, dukungan dan doanya sehingga penulis dapat

menyelesaikan penelitian ini hingga akhir.

Banyak kendala yang dihadapi oleh penulis dalam rangka

penyusunan tesis ini, yang hanya berkat bantuan berbagai pihak, maka

tesis ini dapat diselesaikan. Pada kesempatan ini penulis dengan tulus

menyampaikan terima kasih kepada:

1. Bapak Muhammad Bachtiar Nappu, ST, MT, Ph.D sebagai

pembimbing I dan Ibu Ardiaty Arief, ST, MTM, Ph.D. sebagai

pembimbing II yang sabar dan banyak meluangkan waktu, tenaga,

dan pikiran untuk memberikan bimbingan serta arahan mulai dari

awal hingga selesainya tesis ini.

2. Bapak Dr. Ir. H. Zahir Zainuddin selaku ketua program studi Teknik

Elektro Program Pascasarjana Universitas Hasanuddin.

3. Dosen serta staf jurusan elektro program studi Teknik Elektro

Pascasarjana Universitas Hasanuddin.

v

4. PT. PLN (Persero) Area Pembangkitan dan Penyaluran Beban

Wilayah Sulawesi Selatan, Tenggara dan Barat (Sulselrabar).

5. Rekan-rekan mahasiswa S2 TE-UH 2015 atas segala dukungannya.

Penelitian ini diharapkan dapat memberikan kontribusi pemikiran

kepada pembaca, terutama bagi penulis sendiri. Penilitian ini masih sangat

jauh dari kesempurnaan disebabkan keterbatasan penulis. Oleh karena itu,

penulis mengharapkan kedepannya agar penelitian ini dapat diteruskan

untuk kesempurnaan dan pembaharuan dari penelitian ini.

Makassar,.…November 2017

Penulis,


ABSTRAK

SITTI MARWAH RACHMAN. Penentuan Lokasi Photovoltaic dengan Menggunakan Metode Continuation Power Flow untuk Mengoptimalkan Performansi (dibimbing oleh M. Bachtiar Nappu dan Ardiaty Arief).

Tujuan penelitian ini adalah menetukan daerah-daerah yang

memiliki sensitivitas yang baik untuk memperbaiki kestabilan tegangan. Metode yang digunakan adalah metode Continuation Power Flow

yang merupakan sebuah metode yang digunakan untuk mendeteksi bus yang paling sensitif terhadap tegangan runtuh dan juga peningkatan rugi• rugi daya pada sistem jaringan.

Hasil yang dicapai. adalah berdasarkan data solar-Gis daerah Sulawesi Selatan yang memiliki irradiance yang baik dan menjadi input pada sistem jaringan, yaitu Tallo Lama, Panakukang, Bontoala, Daya, Sidrap, Jeneponto, Palopo, Bone, Pinrang, Polmas, dan Poso. Metode yang diusulkan dilakukan pada sistem interkoneksi Sulbagsel. Sistem tegangan terdiri dari 44 bus, 47 line, dan 7 generator yang dimodelkan untuk dilakukari riset penempatan PV guna mencari titik optimal dari setiap PV berdasarkan data solar-Gis. · Daya pembangkitan setiap PV yang disimulasikan sebesar 10MW, 20 MW, dan 30 MW yang diuji pada sistem. Berdasarkan data solar-Gis, Kota Makassar merupakan salah satu daerah yang memiliki irredience yang baik. Di Makassar sendiri terdapat beberapa gardu induk. Mengingat Makassar merupakan ibukota provinsi dan sangat padat penduduk, perhitungan sensivitas di Makassar diwakili oleh beberapa unit, yaitu Tallo Lama, Pankukang, Bontoala, dan Daya. Diperoleh data bahwa penempatan PV yang memiliki radiasi matahari yang baik dan sensitivitas yang baik adalah terdapat di Tallo Lama dan yang memiliki radiasi baik, namun sensitivitas yang tidak baik adalah Poso.

Kata kunci: photovoltaic, sensitivitas, metode continuation power flow, kestabilan tegangan

17

vi

..

ABSTRACT

SITTI MARWAH RACHMAN. The Determination of Photovoltaic Location Using

the Continuation Power Flow Method to Optimize Performance (supervised by M.

Bachtiar Nappu and Ardiaty Arief)

This research aimed to determine the areas which had good sensitivity to

improve the stability of the voltage. The method used was the Continuation Power Flow method to detect the

most sensitive bus to collapse the voltage and also to increase the loss of power in the network system.

The result obtained was based on solarGIS data of South Sulawesi region, which had good irradiation and became the input on the network system, and those were Ta l lo L a m a , Panakukang, Bontoala, Daya, Sidrap, Jeneponto, Palopo, Bone, Pinrang, Polmas, and Poso. The proposed method was performed on the interconnection system of Sulbagsel voltage system which consisted of 44 Buses, 47 lines, and 7 Generators modeled for PV placement research in order to find the optimal point of each PV based on SolarGis data. The generation power of each PV, which was simulated was 10MW, 20MW and 30MW, was tested in the system. Based on the solar Gis data, Makassar city was one of the areas which had the good irradiance. In Makassar itself, there were several substations. Noting that Makassar is the provincial capital and its population is very dense, for this research, the calculation of the sensitivity of Makassar could be represented by several units, such as Tello Lama, Panakukang, Bontoala, and Daya. The research found that the PV placement which had good solar radiation and good sensitivity was Tello Lama, while the PV placement which had good radiation, but bad sensitivity was Poso.

Keywords: photovoltaic, sensitivity, Continuation Power Flow method, voltage stability

vii

viii

DAFTAR ISI

SAMPUL

LEMBAR JUDUL .................................................................................. i

PENGESAHAN .................................................................................... ii

PERNYATAAN KEASLIAN TESIS ....................................................... iii

PRAKATA ............................................................................................ iv

ABSTRAK ............................................................................................ vi

ABSTRACT .......................................................................................... vii

DAFTAR ISI ......................................................................................... viii

DAFTAR TABEL .................................................................................. x

DAFTAR GAMBAR .............................................................................. xii

I. PENDAHULUAN ........................................................................... 1

A. Latar Belakang Masalah ........................................................ 1

B. Rumusan Masalah ................................................................. 3

C. Tujuan Penelitian ................................................................... 4

D. Batasan Masalah ................................................................... 4

E. Manfaat Penelitian ................................................................. 4

F. Sistematika Penulisan ............................................................ 5

II. TINJAUAN PUSTAKA ................................................................... 7

A. Irradiation .............................................................................. 7

B. Photovoltaic........................................................................... 16

C. Kestabilan Sistem Tenaga Listrik .......................................... 35

1. Gangguan Kecil ............................................................... 38

2. Gangguan Besar .............................................................. 38

D. Metode Continuation Power Flow (CPF) ............................... 39

ix

E. Penelitian Terkait .................................................................. 44

F. Kerangka Pikir ....................................................................... 46

III. METODE PENELITIAN ................................................................. 47

A. Studi Literatur ........................................................................ 47

B. Pengumpulan Data ............................................................... 48

Data Sistem Sulbagsel .......................................................... 48

C. Lokasi dan Waktu Penelitian ................................................. 53

D. Alat Yang Digunakan ............................................................ 53

E. Prosedur Penelitian ............................................................... 54

F. Jadwal Penelitian .................................................................. 55

IV. HASIL DAN PEMBAHASAN .......................................................... 56

A. Diagram Satu Garis ............................................................... 57

B. Simulasi dan Pembahasan ................................................... 59

B.1. Tegangan sebelum pemasangan PV (normal) .............. 59

B.2. Setelah pemasangan PV ............................................... 61

B.3. Aliran Daya untuk integrase 1 MWp .............................. 80



B.6. Aliran Daya untuk integrase 10 MWp ............................ 92




B.10. Aliran Daya untuk integrase 30 MWp .......................... 108

V. PENUTUP ..................................................................................... 113

5.1. Kesimpulan .......................................................................... 113

5.2. Saran ................................................................................... 113

Daftar Pustaka ..................................................................................... 114 LAMPIRAN

x

DAFTAR TABEL

Tabel Hal.

1. Rencana Pengembangan Pembangkit EBT (MWp) ...................... 33

2. Potensi Energi Baru dan Terbarukan ............................................ 35

3. Penelitian Terkait ........................................................................... 44

4. Data Transmisi Sistem Sulbagsel .................................................. 50

5. Data Parameter Dinamik Generator Sistem Sulbagsel .................. 51

6. Data Generator dan Beban ............................................................ 52

7. Jadwal Kegiatan Penelitian ............................................................ 55

8. Daerah yang memiliki Irradiance baik ........................................... 57

9. Nilai tegangan pada Bus tanpa PV ................................................ 59

10. Hasil total tegangan untuk integrase PV di daerah dengan irradiance

baik. ............................................................................................... 62

11. Rugi-rugi daya aktif setelah pemasangan PV pada daerah yang

memiliki irradiance yang baik ......................................................... 67

12. Rugi-rugi daya reaktif setelah pemasangan PV pada daerah yang

memiliki irradiance yang baik ......................................................... 71

13. Hasil simulasi aliran daya untuk integrase PV 1 MWp di daerah

dengan irradiance yang baik.......................................................... 81



xi


dengan irradiance yang baik ......................................................... 89


dengan irradiance yang baik ......................................................... 93









xii

DAFTAR GAMBAR

Gambar Hal.

1. Data SOLARGIS memiliki radiasi yang baik .................................... 10

2. Daerah Sulselbar yang memiliki irradiance yang baik ..................... 11

3. Photovoltaic di Gurun Pasir ............................................................. 12

4. Healthy Light Source ....................................................................... 13

5. Efek Awan dan Atmosfor Bumi terhadap energi radiasi yang sampai

ke permukaan bumi ......................................................................... 14

6. Laser Focus World .......................................................................... 15

7. Langit Cerah dan Cahaya Matahari tepat Horizontal diatas

Permukaan Bumi ............................................................................. 16

8. Prinsip Kerja PV .............................................................................. 20

9. Sistem PLTS ................................................................................... 21

10. Potensi Tenaga Surya di Dunia ....................................................... 30

11. Sel Photovoltaic ............................................................................... 32

12. Klasifikasi Kestabilan Sistem Tenaga .............................................. 37

13. Skema Metode CPF Predictor-Corrector ......................................... 40

14. Kerangka Pikir ................................................................................. 46

15. Single Line Diagram Sistem Sulbagsel ............................................ 49

16. Flow Chart Pemasangan PV dengan Metode CPF ......................... 55

17. Diagram Satu Garis ......................................................................... 58

18. Profil tegangan sebelum Pemasangan PV ..................................... 60

xiii

19. PV Sensitivitas................................................................................. 65

20. Rugi-rugi daya aktif setelah pemasangan PV pada daerah yang

memiliki irradiance baik ................................................................... 69

21. Rugi – rugi daya reaktif setelah pemasangan PV pada daerah yang


22. Profil tegangan untuk kondisi sebelum simulasi pemasangan PV dan

setelah pemasangan PV yang terbaik pada simulasi setiap nilai daya

output .............................................................................................. 75

23. Profil tegangan untuk kondisi sebelum simulasi pemasangan PV dan

setelah pemasangan PV yang terburuk pada simulasi setiap nilai

daya output ..................................................................................... 76

24. Hasil CPF setelah plot sebelum pemasangan PV dan sensitivitas

terbaik setelah pemasangan PV setiap nilai daya output yang

disimulasikan ................................................................................... 78

25. Hasil CPF setelah plot sebelum pemasangan PV dan sensitivitas

terburuk setelah pemasangan PV setiap nilai daya output yang

disimulasikan. .................................................................................. 79

26. Profil Tegangan tegangan setelah pemasangan PV 1 MWp pada

daerah yang memiliki irradiance baik .............................................. 82

27. Profil tegangan apabila PV 1 MWp dipasang pada Tallo Lama dan

Poso ................................................................................................ 83

28. Profil Tegangan setelah pemasangan PV 3 MWp pada daerah yang


xiv


Poso ................................................................................................ 87




Poso ................................................................................................ 91




Poso ................................................................................................ 95


memiliki irradiance baik .................................................................. 98


Poso ................................................................................................ 99


memiliki irradiance baik ……………………………………………….102


Poso…………………………………………………………………….103


memiliki irradiance baik ………………………………………......….106


Poso …………………………………………………………………….107

xv


memiliki irradiance baik ……………………………………………….110


Poso …………………………………………………………………….111

1

BAB I

PENDAHULUAN

A. Latar Belakang Masalah

Pada saat ini energi matahari merupakan salah satu sumber energi

alternatif untuk menggantikan sumber energi fossil. Energi matahari

kemungkinan akan menjadi salah satu sumber energi utama di masa yang

akan datang karena dapat menjawab isu-isu lingkungan seperti pemanasan

global, menipisnya ketersediaan sumber energi fossil dan makin tingginya

harga minyak mentah dunia. Diantara sumber energi terbarukan yang ada

seperti energi matahari, angin, laut, hydro, dan panas bumi, ternyata

sumber energi matahari banyak dilirik oleh para insyinyur karena kinerjanya

tidak mencemari dalam menghasilkan energi listrik. Dalam istilah kestabilan

voltase erat hubungannya dengan kemampuan sistem tenaga untuk

menjaga voltase masing-masing bus baik dalam kondisi abnormal atau

karena gangguan [1]. Sistem tenaga akan mengalami ketidakstabilan

tegangan yang terjadi akibat meningkatnya permintaan atau perubahan

pada sistem. Keadaan ini akan memengaruhi profil voltase dan kehilangan

daya menjadi lebih besar, sehingga mungkin tidak terkendali [2]–[4].

Sinar matahari di dunia ini merupakan sumber energi terbesar,

sumber energi terbarukan, dan juga menjadi harapan untuk mengurangi

bahan bakar fosil secara signifikan dan juga dapat meningkatkan dampak

2

reboisasi membuat seluruh dunia tertarik pada energi alternative [5]–[9].

Energi dari sinar matahari dapat diubah menjadi energi listrik untuk

keperluan sehari-hari. Perangkat PV yang mengubah energi matahari

menjadi listrik adalah salah satu teknologi paling penting untuk

memanfaatkan energi matahari secara efisien untuk mengurangi krisis

energi global dan kerusakan lingkungan [10]. Energi tersebut diubah

dengan menggunakan panel surya. Panel surya merupakan alat yang terdiri

dari sel surya, aki, dan baterai. Panel surya ini akan menghasilkan arus

searah (arus DC). Panel surya atau solar cell merupakan salah satu jenis

cahaya Photovoltaic (PV), yaitu sensor yang dapat mengubah intensitas

cahaya menjadi perubahan tegangan pada outputnya. Apabila solar cell

menerima pancaran cahaya maka kedua terminal outputnya akan keluar

tegangan DC yang dapat mencapai 0,5 Volt. Dalam aplikasinya solar cell

lebih sering digunakan sebagai pembangkit listrik DC tenaga surya

(matahari). Dalam skala kecil solar cell sering di jumpai sebagai sumber

tegangan DC pada peralatan elektronika seperti kalkulator ataupun jam.

Dengan sumber energi terbarukan yang berkembang pesat di

seluruh dunia, seperti energi surya, hidro, angin, laut dan panas bumi, ini

telah menjadi pembangkit tenaga alternatif. Di sisi lain, hal ini juga dapat

meningkatkan kehandalan dalam mengurangi pemadaman listrik atau

pemadaman listrik di daerah sekitarnya [11]. Tegangan pada jaringan

sistem distribusi merupakan salah satu masalah kualitas daya yang perlu

3

diperhitungkan karena sangat mempengaruhi kinerja sistem saat

mendistribusikan energi ke konsumen [12].

Penempatan PV pada lokasi yang tepat pada sistem transmisi

sangat penting untuk menjaga kestabilan tegangan. Dalam penelitian ini,

penulis menggunakan metode baru dalam menentukan lokasi PV, yaitu

dengan terlebih dahulu mengindentifikasi daerah-daerah yang memiliki

radiasi matahari yang baik berdasarkan data SOLARGIS, yang kemudian

dihitung sensitifitas dari bus input atau daerah-daerah yang teridentifikasi

memiliki radiasi yang baik dengan metode Continuation Power Flow (CPF).

Metode CPF adalah merupakan metode untuk menganalisis kestabilan

tegangan quasi steady state dengan menelusuri solusi aliran beban

berdasarkan skenario pembebanan.

B. Rumusan Masalah

Berdasarkan latar belakang masalah, dapat dirumuskan

permasalahan sebagai berikut :

1. Bagaimana mengidentifikasi daerah–daerah yang memiliki

irradiance yang baik yang akan dihitung sensitifitasnya?

2. Bagaimana menentukan lokasi integrasi PV dengan

mempertimbangkan irradiance dan menggunakan metode CPF?

4

C. Tujuan Penelitian

Adapun tujuan penelitian ini adalah :

1. Mengidentifikasi daerah-daerah yang memiliki irradiance yang baik

yang akan dihitung sensitifitasnya.

2. Menentukan lokasi integrasi PV dengan mempertimbangkan

irradiance dan menggunakan metode CPF.

D. Batasan Masalah

Agar lebih efisien dalam melakukan penelitian maka kami

memberikan batasan masalah sebagai berikut :

1. Sistem dianalisis dalam keadaan steady state (normal).

2. Data irradiance yang baik berdasarkan data SOLARGIS

3. Penentuan lokasi ini lebih difokuskan pada integritas PV di sistem

interkoneksi PLN.

4. Penelitian ini hanya memberikan rekomendasi integrasi PV tanpa

merekomendasikan jenis PV tertentu dan biaya investasi.

E. Manfaat Penelitian

Adapun manfaat yang diharapkan dari penelitian yang dilakukan yaitu :

1. Agar penelitian ini, bisa dijadikan referensi oleh PLN dalam

menentukan lokasi integrasi PV berdasarkan sumber radiasi sinar

5

matahari yang baik sesuai data SOLARGIS dan lokasi yang memiliki

sensitifitas yang baik untuk meningkatkan kestabilan sistem.

2. Dapat dijadikan sebagai bahan acuan penelitian selanjutnya.

F. Sistematika Penulisan

Adapun sistematika penulisan pada penelitian Penentuan Lokasi

Photovoltaic dengan metode Continuation Power Flow untuk

Mengoptimalkan Performansi Sistem adalah:

1. BAB I PENDAHULUAN

Bab I berisi tentang penjelasan latar belakang masalah, rumusan

masalah, tujuan penelitian, batasan masalah, manfaat penelitian

serta sistematika penulisan.

2. BAB II TINJAUAN PUSTAKA

Bab II berisi tentang tinjauan pustaka yang merupakan penjelasan

teori tentang photovoltaic, irradiance, kestabilan tegangan, dan hasil

penelitian-penelitian yang berkaitan dengan penelitian yang

dilakukan. Adapun sumber acuannya adalah buku, artikel, jurnal,

prosiding dan tulisan lainnya yang berhubungan dengan judul dan

tema penelitian yang dilakukan dan juga sebagai arahan dalam

memecahkan masalah yang diteliti.

3. BAB III METODE PENELITIAN

6

Bab III ini merupakan penjelasan tentang metode penelitian yang

meliputi metode yang digunakan pada penelitian ini untuk

penyelesaian masalah penelitian.

4. BAB IV HASIL DAN ANALISIS

Bab IV ini merupakan hasil dan penjelasan penelitian yang telah

dilakukan dalam penyelesaian masalah. Hasil ini dapat memberikan

informasi dan gambaran tentang kestabilan tegangan pada sistem

Sulbagsel saat sebelum dan sesudah pemasangan Photovoltaic.

5. BAB V SIMPULAN DAN SARAN

Bab V ini berisi simpulan yang sesuai dengan tujuan penelitian dan

merupakan jawaban pertanyaan dari rumusan masalah sesuai

batasan masalah yang sudah ditetapkan. Saran merupakan

pernyataan atau rekomendasi peneliti yang dapat diterapkan pada

sistem tenaga listrik dalam menjaga kestabilan tegangan untuk

mengurangi seringnya terjadi blackout, dan juga untuk mengurangi

ketergantungan bahan bakar fossil.

7

BAB II

TINJAUAN PUSTAKA

A. Irradiation

Radiasi matahari adalah pancaran energi yang berasal dari proses

thermonuklir yang terjadi di matahari. Energi radiasi matahari berbentuk

sinar dan gelombang elektromagnetik. Energi matahari melakukan

perjalanannya ke bumi dengan mekanisme pemindahan energi yang

dinamakan radiasi. Energi yang dipindahkan dengan radiasi berjalan keluar

dari sumbernya dalam segala arah. Matahari memancarkan cahaya, panas

maupun cahaya UV yang menyebabkan warna kuning coklat karena

terbakar panas sinar matahari. Cahaya, panas dan cahaya UV adalah

hanya bagian dari deretan besar energi yang dinamakan radiasi

elektromanetik atau radiasi.

Irradiasi matahari merupakan parameter yang sangat penting untuk

sel PV, karena fungsinya seperti bahan bakar pembangkit listrik

konvensional yang membuat sistem mampu bekerja. Nilai standar radiasi

adalah 1000 Wp/m2 [13]. Semakin banyak iradiasi maka semakin bagus

arus yang dihasilkan. Iradiasi matahari yang sampai kepermukaan atmosfer

bumi tidak semuanya diterima oleh permukaan bumi karena mengalami

proses pengamburan oleh awan atau juga partikel-partikel lain yang ada

didalam atmosfer bumi. Indonesia merupakan negara yang berada digaris

8

khatulistiwa, sehingga memiliki potensi energi matahari yang cukup tinggi,

karena matahari terus ada sepanjang tahun.

Wilayah Indonesia bagian barat rata-rata matahari bersinar yang

berpotensi menghasilkan energi yaitu 4 – 5 jam perhari. Untuk wilayah

Indonesia bagian barat meliputi Aceh, Sumatra barat, Sumatra Utara, Riau,

Kepulauan Riau, dan Jambi memiliki potensi energi rata-rata 4,5

kWh/m2/hari, sedangkan wilayah Indonesia bagian timur meliputi seluruh

Papua, Maluku, Nusa Tenggara Timur, Nusa Tenggara Barat, dan sebagian

Sulawesi memiliki potensi energi rata-rata 5,1 kWh/m2/hari [14].

Partikel CO2 sifatnya selalu menghindari emisi dari teknologi PV

selama beroperasi. Pada pembagian kelompok negara, CO2 dalam

menghindari emisi PV sekitar 35 dan 40 ton. Untuk kelompok pertama

negara, yakni Turkmenistan, Irak, Eritrea, Kuwait, Arab Saudi, Oman, Afrika

Selatan, Australia, Kuba, India dan Cina Barat. Kelompok ini merupakan

negara yang mempunyai potensi paling tinggi dalam pengurangan CO2.

Sedangkan Negara Maroko, Kamboja, Israel, Indonesia, Jamaika, Yaman,

Uni Emirat Arab, Amerika Serikat Barat, Cina Timur dan Republik Dominika

masuk dalam kelompok kedua dalam pengurangan sebesar 25 dan 30 ton

CO2 per kWp selamanya [15]

Pada data SOLARGIS, daerah-daerah yang memiliki radiasi yang

baik. Untuk wilayah Sulawesi, nilai radiasi bernilai sekitar 4.0 – 4.4

kWh/m2/hari atau 1461 - 1607 kWh/m2/tahun. Energi matahari yang sampai

9

ke permukaan bumi biasanya dihitung oleh iradiasi horizontal global (GHI).

Untuk nilai rata-rata dalam jangka panjang dari Photovoltaic power

production potential (PVOUT) ditentukan oleh berbagai faktor termasuk

garis lintang, elevasi, bentuk lahan dan banyak variabel meteorologi

lainnya. Jumlah PVOUT pada tahun 2017 di indonesia ditunjukkan pada

Gambar 1 yang telah diperkirakan oleh SOLARGIS. Dan selanjutnya pada

Gambar 2 diperlihatkan daerah khusus Sulawesi yang memiliki irradiance

yang baik berdasarkan data SOLARGIS.

10

Gambar 1. Data SOLARGIS yang memiliki radiasi baik [16].

11

Gambar 2. Daerah sulselbar yang memiliki irradiance yang baik [16].

12

Matahari adalah salah satu komponen utama penggerak kehidupan.

Rasanya sulit membayangkan kelangsungan hidup makhluk hidup tanpa

adanya matahari. Siklus alam seperti angin, air, dan juga siklus dalam

tumbuhan yaitu fotosintesis, kesemuanya melibatkan peran matahari, baik

akibat dari posisi matahari terhadap bumi, maupun akibat radiasi cahaya

yang sampai ke bumi. Studi juga menunjukkan bahwa energi matahari yang

sampai kebumi dalam satu jam sudah cukup untuk memenuhi kebutuhan

energi seluruh manusia dipermukaan bumi dalam satu tahun. Gambar 3

memperlihatkan salah satu contoh photovoltaic yang berada di gurun pasir.

Gambar 3. Photovoltaic di gurun pasir [17].

Matahari memancarkan radiasi cahaya dengan berbagai panjang

gelombang, mulai dari ultraviolet, cahaya tampak, sampai infrared dari

spektrum elektromagnetik. Pada Gambar 4 memperlihatkan perbandingan

spectra energi radiasi yang menunjukan besar energi radiasi yang diterima

dari matahari per satuan area per satuan waktu sebagai fungsi dari panjang

gelombang.

https://teknologisurya.files.wordpress.com/2011/09/solar-panel.jpg

13

Gambar 4. Healthy light source [17].

Pada permukaan matahari energi radiasi yang dipancarkan yaitu

sebesar 62 MW/m2, dan diatas atmosfer bumi radiasinya berkurang menjadi

total sebesar 1353 W/m2. Untuk radiasi blackbody, semakin tinggi

temperatur objek blackbody tersebut maka semakin besar juga energi

radiasinya. Blackbody pada temperatur rata-rata bumi yaitu 300 K, paling

kuat memancarkan pada gelombang infrared dan radiasinya tidak dapat

terlihat oleh mata. Untuk matahari, dengan temperatur skitar 5800 K,

radiasinya paling kuat berada pada gelombang cahaya tampak (visible)

dengan panjang gelombang sekitar 300 – 800 nanometer (nm).

Cahaya dengan panjang gelombang kurang dari 300 nm dan

cahaya tampak difilter oleh atom dan molekul oksigen (O2), ozon (O3), dan

nitrogen (N2). Sedangkan air (H2O) dan karbon dioksida (CO2) umumnya

14

menyerap cahaya pada area gelombang infrared yang merupakan alasan

penurunan secara drastis pada spektra radiasi di panjang gelombang 900,

1100, 1400, 1800, 1900 dan 2600 nm. Gambar 5 memperlihatkan efek

awan dan atmosfer bumi terhadap energi radiasi. Radiasi cahaya matahari

yang sampai dipermukaan atmosfer bumi tidak semuanya diterima oleh

permukaan bumi karena mengalami proses pengamburan oleh awan atau

juga partikel-partikel lain yang ada didalam atmosfer bumi.

Gambar 5. Efek Awan dan Atmosfer bumi terhadap energi radiasi yang sampai ke permukaan bumi [18].

Pengaruh dari atmosfer terhadap spektrum radiasi matahari

direpresentasikan dengan faktor “Air Mass” (AM), yang didefinisikan

sebagai jarak tempuh cahaya matahari dalam atmosfer bumi sebagai fungsi

dari sudut elevasi matahari terhadap permukaan bumi. Gambar 6

menggambarkan berbagai kondisi air mass sesuai sudut elevasi

matahari. Air Mass 0 (AM0) menggambarkan kondisi cahaya matahari

tepat diluar atmosfer bumi, sehingga relevan untuk panel surya yang

https://teknologisurya.files.wordpress.com/2011/09/57911main_earth_energy_budget.jpg

15

digunakan pada satelit-satelit bumi. Untuk AM1, jarak tempuh cahaya

matahari sama dengan tebal dari atmosfer ketika kondisi matahari tepat

berada diatas. Namun apabila tidak tepat berada diatas, jarak tempuhnya

semakin bertambah sesuai fungsi inverse dari cosinus sudut elevasi

matahari.

Gambar 6. Laser Focus World [18].

Besar aktual radiasi cahaya matahari yang diterima dipermukaan

bumi bervariasi tiap area, dan sangat bergantung kepada musim dan variasi

dari posisi matahari dan orientasi bumi. Gambar 7 menunjukkan besar rata-

rata energi radiasi cahaya dalam kWh persatuan area perhari diberbagai

belahan bumi, untuk kondisi langit cerah dan radiasi tepat horizontal diatas

permukaan bumi. Dari gambar tersebut jelas terlihat potensi penggunaan

energi surya dari negara-negara yang terletak dekat dengan ekuator

termasuk Indonesia. Selain itu, radiasi cahaya matahari di Indonesia pun

https://teknologisurya.files.wordpress.com/2011/09/airmass.jpg

16

relatif konstan pertahunnya dikarenakan hanya terdapat dua musim,

dibandingkan negara-negara dengan empat musim dimana pada musim-

musim tertentu energi radiasi yang diterima akan berkurang.

Gambar 7. Langit cerah dan cahaya matahari tepat horizontal diatas permukaan bumi [18]

B. Photovoltaic

Menurut bahasa, kata Photovoltaic berasal dari bahasa Yunani

photos yang berarti cahaya dan volta yang merupakan nama ahli fisika dari

Italia yang menemukan tegangan listrik. Secara sederhana dapat diartikan

sebagai listrik dari cahaya. Photovoltaic merupakan sebuah proses untuk

mengubah energi cahaya menjadi energi listrik secara langsung [19].

Efek photovoltaic pertama kali berhasil diidentifikasi oleh seorang

ahli Fisika berkebangsaan Prancis Alexandre Edmond Becquerel pada

tahun 1839 [20]. Pada tahun 1876, William Grylls Adams bersama

https://teknologisurya.files.wordpress.com/2011/09/solar-insolation-nasa.png

17

muridnya, Richard Evans Day menemukan bahwa material padat selenium

dapat menghasilkan listrik ketika terkena paparan sinar.

Pada percobaan tersebut, walaupun gagal karena selenium belum

mampu mengkonversi listrik dalam jumlah yang diinginkan, namun hal itu

mampu membuktikan bahwa listrik bisa dihasilkan dari material padat tanpa

harus ada pemanasan ataupun bagian yang bergerak.

Tahun 1883, Charles Fritz mencoba melakukan penelitian dengan

melapisi semikonduktor selenium dengan lapisan emas yang sangat tipis.

Photovoltaic yang dibuatnya menghasilkan efisiensi kurang dari 1 %.

Perkembangan berikutnya yang berhubungan dengan ini adalah penemuan

Albert Einstein tentang efek fotolistrik pada tahun 1904. Tahun 1927,

photovoltaic dengan tipe yang baru dirancang menggunakan tembaga dan

semikonduktor copper oxide. Namun kombinasi ini juga hanya bisa

menghasilkan efisiensi kurang dari 1 % [20].

Pada tahun 1941, seorang peneliti bernama Russel Ohl berhasil

mengembangkan teknologi sel surya dan dikenal sebagai orang pertama

yang membuat paten peranti solar cell modern. Bahan yang digunakan

adalah silicon dan mampu menghasilkan efisiensi berkisar 4%. Barulah

kemudian di tahun 1954, Bell Laboratories berhasil mengembangkannya

hingga mencapai efisiensi 6% dan akhirnya 11% [20].

Pada tengah hari yang cerah radiasi sinar matahari mampu

mencapai 1000 W/m2. Jika sebuah piranti semikonduktor seluas satu meter

18

persegi memiliki efisiensi 10 persen, maka modul sel surya ini mampu

memberikan tenaga listrik sebesar 100 watt [19].

Sampai saat ini modul sel surya komersial memiliki efisiensi berkisar

antara 5 hingga 15 persen tergantung material penyusunnya. Tipe silikon

kristal merupakan jenis piranti sel surya yang memiliki efisiensi tinggi

meskipun biaya pembuatannya relatif lebih mahal dibandingkan jenis sel

surya lainnya. Tipe modul sel surya inilah yang banyak beredar di pasaran.

Sebenarnya ada produk sel surya yang efisiensinya bisa mencapai

40%, namun belum dijual secara masal. Prestasi ini dicapai oleh DoE yang

sudah mengembangkannya sejak awal tahun 1980. DoE memulai

penelitian yang dikenal dengan “multi-junction gallium arsenide-based solar

cell devices,” solar sel multi-layer yang dapat mengonversi 16 persen energi

menjadi listrik. Pada tahun 1994, laboratorium energi terbarukan (National

Renewable Energy laboratory) milik DoE berhasil memecahkan rekor

efisiensi 30% yang sangat menarik minat bagi dunia industri angkasa luar

untuk memanfaatkannya. Hampir semua satelit saat ini memanfaatkan

teknologi multi-junction cells.

Pencapaian efisiensi hingga 40% tersebut dilakukan dengan

mengkonsentrasikan cahaya matahari. Teknologi ini menggunakan

konsentrator optik yang mampu meningkatkan intensitas cahaya matahari

sehingga konversi listriknya pun juga meningkat. Sedangkan pada

umumnya teknologi sel surya hanya mengandalkan cahaya matahari alami

atau dikenal dengan “one sun insolation” yang hanya mampu menghasilkan

19

efisiensi 12% hingga 18%. Boeing-Spectrolab memakai struktur yang

bernama multi-junction solar cell. Struktur ini mampu menangkap spectrum

sinar matahari lebih banyak dan mengubahnya menjadi energi listrik. Sel

individunya dibuat dalam beberapa lapis dan setiap lapisan mampu

menangkap cahaya yang melewati sel.

Masalah yang paling penting untuk merealisasikan sel surya sebagai

sumber energi alternatif adalah efisiensi peranti sel surya dan harga

pembuatannya. Efisiensi didefinisikan sebagai perbandingan antara tenaga

listrik yang dihasilkan oleh peranti sel surya dibandingkan dengan jumlah

energi cahaya yang diterima dari pancaran sinar matahari.

Photovoltaic merupakan komponen yang dapat mengkonversi energi

cahaya matahari secara langsung menjadi energi listrik. Dalam hal ini sel

photovoltaic lebih spesifik mengambil energi cahaya matahari sebagai

sumber energi utama yang dapat diambil secara bebas, bersih dan tidak

bersuara. Kata photovoltaic biasa disingkat dengan PV. Bahan

semikonduktor seperti silicon, gallium arsenide, dan cadmium telluride atau

copper indium deselenide biasanya digunakan sebagai bahan baku. Solar

cell crystalline biasanya digunakan secara luas untuk pembuatan solar cell.

Solar cell atau panel surya adalah alat untuk mengkonversi tenaga matahari

menjadi energi listrik. PV dikemas dalam sebuah unit yang disebut modul.

Dalam sebuah modul surya terdiri dari banyak sel surya yang biasa disusun

secara seri dan paralel.

20

Sedangkan yang dimaksud dengan sel surya adalah sebuah elemen

semikonduktor yang dapat mengkonversi energi surya menjadi energi listrik

atas dasar efek PV. Gambar 8 memperlihatkan cara kerja PV yaitu;

pertama; modul sel surya PV mengubah energi surya menjadi arus listrik

DC, kedua; arus listrik DC yang dihasilkan akan dialirkan melalui inverter

(konversi daya) yang mengubahnya menjadi arus listrik AC, dan ketiga;

secara otomatis mengatur seluruh sistem. Listrik AC akan didistribusikan

melalui panel distribusi indoor yang akan mengalirkan listrik sesuai

kebutuhan alat elektronik (lampu, televisi, radio, AC, dan lain-lain). Besar

dan biaya konsumsi listrik yang dipakai akan diukur dalam Watt-Hour

Meters. Photovoltaic dapat digunakan dalam situasi dimana sumber

pembangkit listrik tidak tersedia, seperti pada satelit yang mengorbit, alat-

alat elektronik seperti kalkulator, jam tangan, telepon, radio, dan pompa air.

Dalam bidang arsitektur, sel Photovoltaic dimanfaatkan untuk menyuplai

energi listrik untuk bangunan.

Gambar 8. Prinsip kerja PV

21

Pembangkit Listrik Tenaga Surya (PLTS) merupakan peralatan

pembangkit listrik yang mengubah cahaya menjadi listrik. PLTS juga sering

disebut solar cell, atau solar photovoltaic, atau solar energy. PLTS pada

dasarnya adalah pencatu daya (alat yang menyediakan daya), dan dapat

dirancang untuk mencatu kebutuhan listrik dari yang kecil sampai yang

besar, baik secara mandiri maupun secara hybrid (dikombinasikan dengan

sumber energi yang lain, seperti PLTS-genset, PLTS microhydro, PLTS-

Angin), baik dengan metoda desentralisasi (satu rumah satu pembangkit)

maupun metoda sentralisasi (listrik didistribusikan dengan jaringan kabel).

PLTS merupakan pembangkit yang tergolong mudah didapatkan, ramah

lingkungan, dan terbarukan. Gambar 9 memperlihatkan sistem PLTS,

dimana terjadi suatu proses penyimpanan energi listrik yang dihasilkan oleh

modul solar cell atau photovoltaic. Biasanya energi listrik ini disimpan pada

baterai dalam bentuk energi elektrokimia. Pada proses penyimpanan energi

tersebut, diperlukan suatu alat yang berfungsi mengatur proses tadi agar

tidak terjadi pengisian yang berlebih pada baterai (over charge) yang dapat

menyebabkan kerusakan pada baterai.

Gambar 9. Sistem PLTS

22

Instalasi listrik tenaga surya terdapat tiga komponen penting, yaitu :

1. Panel surya / solar cell / solar panel

2. Pengatur Pengisian Baterai / Battery Charger Regulator (BCR).

3. Baterai

Sel Surya (Solar Cell) termasuk dalam energi terbarukan yang telah

banyak dikenal di Indonesia tapi masih sangat jarang yang menggunakan

walaupun diketahui jika menggunakan Solar Cell ini akan mendapatkan

listrik jauh lebih murah dari pada pembangkit yang lain. Listrik tenaga surya

ini dihasilkan dengan proses yang disebut Photovoltaic. Dalam proses ini

sinar matahari yang menyentuh permukaan panel surya cell akan memecah

elektron sehingga elektron tersebut bergerak. Gerakan electron ini yang

menghasilkan energi listrik. Dengan menggunakan kabel listrik yang

dihasilkan bisa disalurkan untuk digunakan berbagai peralatan listrik.

Efisiensi penggunaan listrik dengan tenaga matahari ini akan jauh

lebih tinggi jika dikombinasi dengan penggunaan lampu LED karena jenis

lampu ini menghasilkan cahaya yang sama terangnya dengan lampu neon

tapi menggunakan listrik yang jauh lebih rendah. Keunggulan Solar Cell ini

adalah mudah dipasang dan bisa ditempatkan dimana saja asalkan

terjangkau dengan sinar matahari dan hal ini sangat sesuai dengan negara

kita yang hampir sepanjang tahun mendapatkan sinar matahari. Dengan

sedikit kreatifitas, penempatan solar cell panel bisa digunakan sebagai

pengganti atap rumah, atap parking area dan lain-lain. Penggunaan solar

cell ini sangat cocok untuk daerah yang belum terjangkau oleh PLN.

23

Sel surya terbuat dari potongan silicon yang sangat kecil dengan

dilapisi dengan bahan kimia khusus untuk membentuk dasar dari sel surya.

Sel surya pada umumnya memiliki ketebalan 0,3 mm yang terbuat dari

irisan bahan semikonduktor dengan kutup positif dan kutup negatif. Tiap sel

surya biasanya menghasilkan tegangan 0,5 V. Sel surya merupakan

elemen aktif (semikonduktor) yang memanfaatkan efek photovoltaic untuk

merubah energi surya menjadi energi listrik.

Pada sel surya terdapat sambungan (junction) antara lapisan tipis

terbuat dari bahan semikonduktor yang masing-masing diketahui

semikonduktor jenis’’P’’ (positif) dan semikonduktor jenis ’’N’’ (negatif).

Semikonduktor jenis ‘’N’’ terbuat dari kristal silikon dan terdapat juga

sejumlah material lain (umumnya posfor) dalam batasan bahwa material

tersebut dapat memberikan suatu kelebihan electron bebas.

Elektron adalah partikel sub atom yang bermuatan negatif, sehingga

silicon paduan dalam hal ini disebut sebagai semikonduktor jenis-N

(negatif). Semikonduktor jenis-P juga terbuat dari kristal silicon yang

didalamnya terdapat sejumlah kecil material lain (umumnya boron) yang

mana menyebabkan material tersebut kekurangan satu elektron bebas.

Kekurangan atau hilangnya electron tersebut disebut lubang (hole). Karena

tidak ada atau kurangnya elektron yang bermuatan listrik negatif maka

silicon paduan dalam hal ini sebagai semi konduktor jenis-P (positif).

Susunan sebuah solar sel sama dengan sebuah diode yang terdiri

dari dua lapisan yang dinamakan PN junction. PN junction diperoleh dengan

24

jalan menodai sebatang bahan semikonduktor silikon murni (valensinya 4)

dengan inpuriti yang bervalensi 3 pada bagian sebelah kiri, dan yang

sebelah kanan dinodai dengan impuriti bervalensi 5. Sehingga pada bagian

kiri terbentuk silikon yang tidak murni lagi dan dinamakan silikon jenis-N. Di

dalam silicon murni terdapat dua macam pembawa muatan listrik yang

seimbang. Pembawa muatan listrik yang positif dinamakan hole, sedangkan

yang negatif dinamakan elektron. Setelah dilakukan proses penodaan itu,

di dalam silikon jenis-P terbentuk hole (pembawa muatan listrik positif)

dalam jumlah yang sangat besar dibandingkan dengan elektronnya. Oleh

karena itu didalam silikon jenis-P merupakan pembawa muatan listrik

mayoritas, sedangkan elektron merupakan pembawa muatan listrik

minoritas.

Didalam batang silikon itu terjadi pertemuan antara bagian P dan

bagian N. Oleh karena itu dinamakan PN junction. Jika sekarang bagian P

dihubungkan dengan kutup positif dari sebuah baterai, sedangkan kutub

negatifnya dihubungkan dengan bagian N, maka terjadi hubungan yang

disebut ‘’forward bias’’. Dalam keadaan forward bias dalam rangkaian itu

timbul arus listrik yang disebabkan oleh kedua macam pembawa muatan.

Jadi arus listrik yang mengalir di dalam PN junction disebabkan oleh

gerakan hole, tapi berlawanan arah dengan gerakan elektron. Arus listrik itu

mengalir searah dengan gerakan hole, tapi berlawanan arah dengan

gerakan elektron. Sekedar lebih untuk menjelaskan, elektron yang bergerak

didalam bahan konduktor dapat menimbulkan energi listrik. Dan energi

25

listrik inilah yang disebut sebagai arus listrik yang mengalir berlawanan arah

dengan gerakan elektron. Tapi apabila bagian P dihubungkan dengan

kutup negatif baterai dan bagian N dihubungkan dengan kutup positifnya,

maka akan terbentuk yang dinamakan ‘’reverse bias’’.

Dengan keadaan seperti ini maka hole (pembawa muatan positif)

dapat terhubung langsung ke kutup positif, sedangkan elektron juga

langsung ke kutup positif. Jadi jelas kalau di dalam PN junction tidak ada

gerakan pembawa muatan mayoritas yang hole maupun elektron.

Sedangkan pembawa muatan minoritas (electron) didalam bagian P

bergerak berusaha untuk mencapai kutup positif baterai. Demikian pula

pembawa muatan minoritas (hole) didalam bagian N juga bergerak

berusaha untuk mencapai kutup negatif. Karena itu, dalam keadaan reserve

bias di dalam PN junction ada juga arus yang timbul meskipun dalam jumlah

yang sangat kecil (mikro ampere). Arus ini sering disebut dengan reverse

saturation current atau leakage current (arus bocor).

Ada yang menarik dalam keadaan reverse bias yaitu apabila suhu

PN junction tersebut dinaikkan maka ternyata dapat memperbesar arus

bocor. Berarti apabila diberi energi (panas), maka pembawa muatan

minoritas di dalam PN junction bertambah banyak. Karena cahaya itu

merupakan salah satu bentuk energi, maka apabila ada cahaya yang

menimpah suatu PN junction dapat juga menghasilkan energi yang cukup

untuk menghasilkan pembawa muatan. Gejala seperti ini dinamakan foto

26

konduktif. Berdasarkan gejala fotokonduktif itu maka dibuat komponen

elektronik foto dioda dari PN junction itu.

Dalam keadaan reverse bias, dengan memperbesar intensitas

cahaya yang menimpa foto dioda dapat meningkatkan arah arus bocornya.

Arus bocor dapat juga diperbesar dengan memperbesar tegangan baterai

(tegangan reverse), tetapi penambahan arus bocornya itu tidak signifikan.

Bila baterai dalam rangkaian reverse bias itu dilepas dan diganti dengan

beban tahanan, maka pemberian cahaya itu dapat menimbulkan pembawa

muatan baik hole maupun elektron. Jika iluminasi cahaya itu ditingkatkan

maka arus yang timbul semakin besar. Gejala seperti ini disebut

photovoltaic. Cahaya dapat memberikan energi yang cukup besar untuk

memperbesar jumlah hole pada bagian P dan jumlah elektron pada bagian

P. Berdasarkan gejala photovoltaic ini maka dapat diciptakan komponen

elektronik photovoltaic cell. Karena biasanya matahari sebagai sumber

cahaya, maka photovoltaic cell sering juga disebut solar cell (sel surya).

Jadi sel surya itu pada dasarnya sebuah foto diode yang besar dan

dirancang dengan mengacu pada gejala photovoltaic sedemikian rupa

sehingga dapat menghasilkan daya yang sebesar mungkin. Silikon jenis P

merupakan lapisan permukaan yang dibuat sangat tipis supaya cahaya

matahari dapat menembus langsung hingga mencapai junction. Bagian P

ini diberi lapisan nikel yang berbentuk cincin, sebagian terminal keluaran

positif. Di bawah bagian P terdapat bagian jenis N yang dilapisi dengan nikel

juga sebagai terminal keluaran negatif.

27

Dunia telah membangun berbagai pembangkit Pusat Listrik Tenaga

Surya (PLTS). Pembangkitan listrik dilakukan dengan panel surya penerima

panas (solar thermal) dan panel photovoltaic. Ada berbagai teknologi yang

digunakan untuk membangkitkan listrik menggunakan panel surya

penerima panas, diantaranya, pembangkit menara (power tower) berbasis

turbin uap, pembangkit menara berbasis turbin udara (solar updraft),

pembangkit parabola, dan pembangkit lensa cekung.

Salah satu keunggulan PLTS dengan panel thermal adalah daya

yang dihasilkan bisa sangat besar, mencapai ratusan MW. Salah satu

power tower di Amerika bisa berkapasitas 700 MW. PLTS berbasis panel

thermal juga dibangun di lahan yang tidak produktif atau yang sulit ditanami

tanaman pangan dan industri karena lahannya yang ekstrim. Lahan yang

cocok adalah sahara atau padang pasir yang banyak terdapat di Amerika,

Australia, Afrika, dan Timur Tengah. Salah satu kendala ada pada teknologi

berbasis turbin uap karena membutuhkan air yang cukup banyak untuk

menghasilkan uap, padahal lokasi pembangunannya di tempat ekstrim

yang mana air merupakan barang yang sangat berharga. Namun, kendala

ini sekarang bisa diatasi dengan teknologi turbin berbasis gas dan aliran

udara ke atas (solar up draft).

Adapun berbagai manfaat Pembangkit Listrik Tenaga Surya yaitu:

1. Sudut pandang lingkungan:

a. PLTS menggunakan sinar matahari dimana sinar matahari

merupakan energi yang terbarukan, selalu tersedia dan tidak

28

akan pernah habis seperti bahan bakar fosil lainnya sehingga

tidak menyebabkan krisis kelangkaan energi.

b. Tenaga surya adalah energi yang bersih dan ramah

lingkungan, karena tidak memancarkan emisi karbon

berbahaya yang berkontribusi terhadap perubahan iklim

seperti pada bahan bakar fosil.

c. Tidak menghasilkan getaran ataupun suara yang dapat

mengganggu pendengaran.

2. Sudut pandang ekonomi:

a. Energi matahari sebagai salah satu energi alternatif tidak

perlu dibeli.

b. Pemasangannya sangat mudah.

c. Tidak memerlukan biaya perawatan khusus sehingga bebas

dari biaya perawatan

d. Hemat karena tidak memerlukan bahan bakar.

e. Tidak memerlukan konstruksi yang berat dan menetap,

sehingga dapat dipasang dimana saja dan dapat dipindahkan

bilamana dibutuhkan.

f. Bersifat moduler artinya kapastitas listrik yang dihasilkan

dapat sesuai dengan kebutuhan.

3. Sudut pandang daya jangkau pemenuhan kebutuhan listrik:

29

a. Jumlah pasokan energi matahari sangat melimpah terutama

jika di wilayah dengan intensitas sinar matahari yang cukup

tinggi.

b. Sangat cocok untuk daerah tropis seperti Indonesia.

c. Energi surya dapat dipakai dimana saja terutama di daerah-

daerah yang belum terjangkau jaringan listrik. Pemanfaatan

energi surya ini adalah salah satu pilihan terbaik untuk

pemenuhan kebutuhan listrik daerah pedesaan, daerah

terisolasi, pulau-pulau terpencil, dan lain-lain.

Dari segi manfaat Pembangkit Listrik Tenaga Surya yang sudah

diuraikan diatas, dapat dikatakan bahwa teknologi PLTS ini bisa menjadi

salah satu alternatif pemenuhan kebutuhan listrik yang dapat diandalkan

(technically reliable), layak secara ekonomis (economy feasible) dan dapat

diterima oleh masyarakat (socially feasible).

Kebutuhan listrik terus meningkat sesuai dengan kemajuan

teknologi. Oleh karena itu, PLN sering melakukan pemadaman listrik

bergilir. Kita mengharapkan agar sumber energi alternatif tidak

hanya bersifat renewable dan mudah dikonversi menjadi energi listrik, dan

juga ramah lingkungan. Salah satu energi yang paling sesuai adalah energi

surya. Gambar 10 memperlihatkan potensi tenaga surya dunia. Potensi

tenaga surya Indonesia secara umum berada pada

tingkat satisfactory (cukup) yang dapat kita jadikan sebagai salah satu

30

patokan untuk menyusun perencanaan pembangunan sumber energi PLTS

pada masa depan.

Gambar 10. Potensi tenaga surya di dunia.

Menuju pada tingkat kemampuan yang baik dalam hal supply tenaga

listrik yang bersumberkan dari energi surya, memerlukan teknologi konversi

tenaga surya menjadi tenaga listrik bukanlah teknologi sederhana.

Teknologi ini memerlukan berbagai mesin, sistem, komponen yang harus

dihitung cermat dan baik agar sesuai dengan kondisi alam di Indonesia.

Menurut Phelia salah seorang pemerhati tenaga surya, proses

teknologi surya melibatkan fluida gerak yang menyerap panas dari surya.

Fluida itu melalui turbin yang mengkonversi panas menjadi energi mekanik.

Energi mekanik ini diteruskan ke generator dan dikonversikan menjadi

energi (sumber) listrik.

31

Pemanfaatan energi matahari sebagai sumber energi alternatif untuk

mengatasi krisis energi, khususnya minyak bumi, yang terjadi sejak tahun

1970-an mendapat perhatian yang cukup besar dari banyak negara di

dunia. Di samping jumlahnya yang tidak terbatas, pemanfaatannya juga

tidak menimbulkan polusi yang dapat merusak lingkungan. Cahaya atau

sinar matahari dapat dikonversi menjadi listrik dengan menggunakan

teknologi sel surya atau fotovoltaik.

Komponen utama sistem PLTS dengan menggunakan teknologi

fotovoltaik adalah sel surya. Saat ini terdapat banyak teknologi pembuatan

sel surya. Sel surya konvensional yang sudah komersial adalah

penggunaan teknologi wafer silikon kristalin yang proses produksinya

cukup kompleks dan mahal. Secara umum, pembuatan sel surya

konvensional diawali dengan proses pemurnian silika untuk menghasilkan

silika solar grade (ingot), dilanjutkan dengan pemotongan silika menjadi

wafer silika. Selanjutnya wafer silika diproses menjadi sel surya, kemudian

sel-sel surya disusun membentuk modul surya. Tahap terakhir adalah

mengintegrasi modul surya dengan balance of system (BOS) menjadi

sistem PLTS. BOS adalah komponen pendukung yang digunakan dalam

sistem PLTS seperti inverter, baterei, sistem kontrol, dan lain-lain. Pada

Gambar 11 memperlihatkan photovoltaic cell.

32

Gambar 11. Sel Fotovoltaik [21].

Meski pengembangan PLTS telah mempunyai basis yang cukup

kuat dari aspek kebijakan, namun pada tahap implementasi, potensi yang

ada belum dimanfaatkan secara optimal. Secara teknologi, industri

photovoltaic (PV) di Indonesia baru mampu melakukan pada tahap hilir—

memproduksi modul surya dan mengintegrasikannya menjadi PLTS,

sementara sel suryanya masih impor. Padahal sel surya adalah komponen

utama dan yang paling mahal dalam sistem PLTS. Harga yang masih tinggi

menjadi isu penting dalam perkembangan industri sel surya. Berbagai

teknologi pembuatan sel surya terus diteliti dan dikembangkan dalam

rangka upaya penurunan harga produksi sel surya agar mampu bersaing

dengan sumber energi lain.

Ratio elektrifikasi di Indonesia baru mencapai 55-60 % dan hampir

seluruh pedesaan belum dialiri listrik karena jauh dari pusat pembangkit

listrik. Oleh karena itu, PLTS yang dibangun hampir di semua lokasi

33

merupakan alternatif sangat tepat untuk dikembangkan. Dalam kurun waktu

tahun 2016 - 2025, pemerintah telah merencanakan menyediakan 1 juta

Solar Home System berkapasitas 50 Wp untuk masyarakat berpendapatan

rendah serta 346,5 MWp PLTS hybrid untuk daerah terpencil. Hingga tahun

2025 pemerintah merencanakan akan ada sekitar 444 MWp kapasitas

PLTS terpasang seperti yang diperlihatkan pada Tabel 1.

Tabel 1. Rencana Pengembangan Pembangkit EBT (MWp) [22]

Tipe 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 TOTAL

Panas bumi 85 350 320 590 580 450 340 935 1.25 1.25 6,150

Hidro skala besar 45 57 175 1405 147 330 639 2.322 2.031 5.95 13,100

Hidro skala kecil 32 78 115 292 81 86 196 26 257 201 1,365

Tenaga surya 26 122 70 50 118 11 10 17 10 10 444

Tenaga bayu - 70 190 165 195 10 - 5 - 5 640

Biomassa/Biogas 125 142 135 11 21 11 - 21 15 6 488

TOTAL 812 594 1,005 2,513 230 898 173 3,326 3,563 7,422 22,186

Dengan asumsi penguasaan pasar hingga 50%, pasar energi surya

di Indonesia sudah cukup besar untuk menyerap keluaran dari suatu pabrik

sel surya berkapasitas hingga 25 MWp per tahun. Hal ini tentu merupakan

peluang besar bagi industri lokal untuk mengembangkan bisnisnya ke

pabrikasi sel surya.

Dengan wilayah yang luas dan intensitas cahaya matahari yang

tinggi, pasokan listrik dari tenaga surya bisa menjadi andalan, demikian

34

Principal Advisor Deutsche Gessellschaft fur Internationale

Zusammenarbeit Indonesia Rudolf Rauch. Ia menambahkan Jerman

dengan intensitas matahari yang tidak terlalu tinggi, bisa membangkitkan

listrik 25 ribu MW. “Indonesia memiliki potensi 6 hingga 10 kali dari Jerman,”

kata Rudolf pada April 2012. Kunci kebehasilan PLTS terletak pada

penyusunan receiver dengan bahan dan susunan yang dapat menyerap

energi panas dari matahari dengan baik dan memiliki harga yang ekonomis.

Untuk mampu menyerap energi panas diperlukan struktur film yang

kristalin. Dalam pembuatan satu sel dengan struktur kristalin diperlukan

teknologi yang baik dan cukup mahal. Umumnya bahan ini berbasiskan

silikon. Sebagai gambaran, bentuk receiver panas surya dapat dilihat pada

gambar pada awal tulisan ini. Receiver berbentuk

silinder tersusun dari tabung gelas, ruang vakum dan sel penyerap panas.

Selain dalam hal receiver panas kendala lain dalam aplikasi sel surya

adalah pembuatan baterai penyimpan energi listrik yang murah. Oleh

karena itu, penelitian ke arah teknologi sel surya dan komponen-

komponennya yang lebih ekonomis dan praktis sangat diperlukan. Dengan

demikian, teknologi ini diharapkan tidak hanya menjadi teknologi yang

berguna bagi negara maju namun juga bagi daerah yang mengalami

keterbatasan pasokan listrik. Pembangkit listrik tenaga surya (PLTS)

sebenarnya tergantung pada efisiensi konversi energi dan konsentrasi sinar

matahari yang diterima sel tersebut. Profesor Smalley, peraih Nobel bidang

kimia, menyatakan bahwa teknologi nano menjanjikan peningkatan

35

efisiensi dalam pembuatan sel surya antara 10 hingga 100 kali pada sel

surya. Sedangkan pada Tabel 2 memperlihatkan besarnya potensi energi

terbarukan dan energi surya di Indonesia yakni sekitar 4.80

kWh/m2/hari atau setara dengan 112.000 GWp.

Tabel 2. Potensi Energi Baru dan Terbarukan [23]

No Energi Baru dan

Terbarukan Sumber Daya

1 Panas Bumi 12.386 Mwe

2 Hydro 75.000 Mwe

3 Biomassa 32.654 Mwe

4 Tenaga Surya 4,80 kWh/m2/hari

5 Tenaga Angin 970 MW

6 Gelombang laut 1995.2 MW

C. Kestabilan Sistem Tenaga Listrik

Kestabilan tegangan system tenaga listrik sangat berhubungan

dengan kemampuan sistem tenaga untuk tetap stabil pada semua

bus, tidak hanya dibawah kondisi normal operasi, tetapi juga setelah

terjadinya gangguan [24]. Kestabilan tegangan merupakan masalah

penting dalam sistem daya modern saat ini. Kebutuhan daya yang

sangat besar memungkinkan terjadinya pendekatan batas titik tegangan

jatuh dalam sistem.

36

Dengan meningkatnya kebutuhan daya pada masyarakat, dapat

memiliki efek negatif terhadap kestabilan tegangan. Jika ada sedikit

kenaikan pada kebutuhan beban, maka permintaan daya aktif akan lebih

besar dari suplai, dan tegangan akan menurun. Dengan menurunnya nilai

tegangan, perbedaan antara suplai daya aktif dan permintaan menjadi

meningkat, dan saat tegangan terus menurun maka akan menjadi nilai

yang sangat kecil, kejadian ini biasa disebut sebagai tegangan jatuh.

Integritas sistem terjaga ketika secara nyata seluruh sistem tenaga tetap

lengkap tanpa adanya trip pada generator maupun beban, terkecuali

untuk bagian yang diputus untuk menjaga kelangsungan operasi dari

sistem. Kestabilan adalah kondisi seimbang diantara dua gaya yang

berlawanan.

Definisi kestabilan sistem tenaga listrik merupakan sifat sistem yang

memungkinkan mesin bergerak serempak dalam sistem untuk memberikan

reaksinya terhadap gangguan dalam keadaan kerja normal serta balik

kembali kekeadaan semula bila keadaan menjadi normal.

Dalam sistem tenaga listrik yang baik maka harus memenuhi 3

syarat yaitu; 1. Reliability adalah kemampuan suatu sistem untuk

menyalurkan daya atau energi secara terus menerus. 2. Quality adalah

kemampuan sistem tenaga listrik untuk menghasilkan besaran-besaran

standar yang ditetapkan untuk tegangan dan frekuensi. 3. Stability adalah

kemampuan dari sistem untuk kembali bekerja secara normal setelah

mengalami suatu gangguan [24]. Jika semua terpenuhi maka sistem

37

mampu memberi pasokan listrik secara terus menerus dengan standar

besaran untuk tegangan dan frekuensi sesuai dengan aturan yang berlaku

dan harus segera kembali normal bila sistem terkena gangguan.

Untuk menjaga kestabilan sebuah sistem, maka perlu diupayakan

mesin-mesin sinkron berada pada kondisi sinkronnya. Sistem harus mampu

merespon dengan cepat terhadap suatu gangguan tingkat kestabilan

sementara dan kestabilan sinyal yang lemah (smal signal stability).

Ketidakstabilan terjadi ketika gangguan menyebabkan ketidakseimbangan

terus-menerus antara gaya yang berlawanan tersebut. Kestabilan sistem

tenaga dikelompokkan menjadi beberapa jenis seperti pada Gambar 12.

Gambar 12. Klasifikasi kestabilan sistem tenaga [24]

Kestabilan sistem tenaga listrik merupakan karakteristik sistem

tenaga yang memungkinkan mesin bergerak serempak dalam sistem pada

operasi normal dan dapat kembali dalam keadaan seimbang setelah terjadi

gangguan. Secara umum permasalahan kestabilan sistem tenaga listrik

38

dapat diklasifikasikan berdasarkan sifat alami dan magnitude tegangan

yaitu kestabilan steady state, kestabilan transient, dan kestabilan dinamis.

Gangguan kecil atau besar pada sistem tenaga berdampak pada

operasi sinkron. Sebagai contoh, kenaikan atau penurunan tiba-tiba pada

beban, atau akibat rugi pembangkitan menjadi salah satu jenis gangguan

yang berpengaruh sangat signifikan terhadap sistem. Jenis lain dari

gangguan adalah jaring transmisi yang terputus, beban lebih, atau hubung

singkat. Dengan demikian diharapkan kestabilan sistem akan menuju ke

keadaan mantap dalam waktu singkat setelah gangguan menghilang.

Secara umum gangguan dibagi menjadi 2 kategori yakni:

1. Gangguan Kecil

yaitu merupakan satu dari elemen sistem dinamik yang dapat

dianalisis menggunakan persamaan linear (analysis small signal).

Gangguan kecil yang terjadi berupa perubahan beban pada sisi beban atau

pembangkit secara acak, pelan, dan jatuh bertingkat. Jatuh (trip) yang

dialami oleh jaring tenaga listrik dianggap sebagai gangguan kecil jika

pengaruhnya terhadap aliran daya sebelum gangguan pada jaring itu tidak

signifikan.

2. Gangguan Besar.

Gangguan ini bersifat mendadak, yakni gangguan yang

menghasilkan kejutan tegangan tiba tiba pada tegangan bus. Gangguan

besar ini harus secepatnya dihilangkan, jika tidak dihilangkan secepatnya,

39

gangguan tersebut sangat mempengaruhi kestabilan sistem. Tidak hanya

gangguan, waktu gangguan juga berpengaruh terhadap kestabilan sistem.

D. Metode Continuation Power Flow (CPF)

Secara umum, metode-metode analisis kestabilan tegangan

diklasifikasikan menjadi 3 yaitu; 1. Static (steady-State) voltage stability

analysis, 2. Quasi-Steadi-State Voltage Analysis, 3. Dynamic Voltage

Stability Analysis [25]. Salah satu metode yaitu Quasi static yang well know

adalah metode CPF yang dikembangkan oleh Ajjarapu dan Christy [26].

Metode CPF adalah metode analisis kestabilan voltase yang

mengkodekan kembali persamaan aliran daya konvensional untuk

menemukan solusi aliran daya mulai dari beban dasar hingga keadaan

kestabilan stabil atau kritis yang menggunakan skema prediktor dan

korektor. Selain itu, metode CPF dapat digunakan untuk mendeteksi bus

yang paling sensitif terhadap keruntuhan tegangan dan juga meningkatkan

atau menurunkan kerugian daya pada system [27], [28].

Pada umumnya Continuation Power Flow menggunakan metode

Newton-Rapshon untuk menghitung aliran daya dari sebuah sistem tenaga

yang digunakan sebagai data awal yang selanjutnya akan diolah untuk

membentuk kurva P-V dengan adanya penambahan beban secara terus

menerus, namun dalam kondisi penggunaan metode Newton-Rapshon

pada sistem tertentu matriks Jacobian yang dihasilkan menjadi singular.

40

Setelah pemasangan PV pada sistem berdasarkan data SOLARGIS,

kami juga mengevaluasi kerugian jaringan di setiap gardu yang digunakan

untuk penempatan PV di sistem tenaga Sulawesi Selatan. Penilaian

kerugian jaringan penting dalam perencanaan sistem tenaga [29], [30].

Dalam paper ini, penempatan PV analitis yang optimal digunakan

metode Continuation Power Flow (CPF). Hanya bus dengan irradiance

yang baik yang akan dihitung sensitivitasnya. Metode CPF merupakan

sebuah metode yang mereformulasi persamaan aliran daya konvensional

untuk menemukan solusi aliran daya mulai dari beban dasar sampai

dengan keadaan kestabilan stabil/titik kritis. Metode CPF digunakan untuk

mendeteksi bus yang paling sensitif terhadap tegangan runtuh dan juga

peningkatan rugi-rugi daya pada sistem jaringan. Berdasarkan pada daya

aktif dan daya reaktif yang ditransfer dari jalur distribusi atau transmisi.

Gambar 13 menunjukkan grafik skema predictor-corrector dimana

prosedur analisis dimulai dengan hasil yang diketahui, dan akan diprediksi

solusi selanjutnya dengan beban yang berbeda.

Gambar 13. Skema metode CPF Predictor-corrector [26].

Bu

s V

olt

age

Predictor

Corrector

Critical Point

Load

41

Hal yang harus dilakukan adalah menerapkan teknik parameter terhadap

masalah aliran daya, parameter tersebut dimasukkan ke dalam persamaan.

Pertama dimisalkan ∅ sebagai parameter beban, maka ∅ didefinisikan

sebagai:

0 ≤ ∅ ≤ ∅𝑘𝑟𝑖𝑡𝑖𝑠

Dimana ∅ = 0 memiliki hubungan dengan beban dasar dan ∅ = ∅𝑘𝑟𝑖𝑡𝑖𝑠 dan

berhubungan dengan beban kritis. Parameter beban ini kemudian

dimasukkan kedalam persamaan daya aktif dan reaktif, sehingga:

0 = 𝑃𝐺𝑖 − 𝑃𝐿𝑖 − 𝑃𝑇𝑖 , 𝑃𝑇𝑖 = ∑ 𝑉𝑖𝑉𝑗

𝑛

𝑗=1

𝑦𝑖𝑗 cos (𝛿𝑖 𝛿𝑗 𝜈𝑖𝑗)

0 = 𝑄𝐺𝑖 − 𝑄𝐿𝑖 − 𝑄𝑇𝑖 , 𝑄𝑇𝑖 = ∑ 𝑉𝑖𝑉𝑗

𝑛

𝑗=1

𝑦𝑖𝑗 sin (𝛿𝑖 𝛿𝑗 𝜈𝑖𝑗)

Untuk setiap bus 𝔦 pada bus 𝔫 , dimana subkrip L, G, dan T menunjukkan

beban bus yang di injeksi. Tegangan pada bus 𝔦 dan 𝔧 adalah masing-

masing 𝑉𝑖 ∠𝛿𝑖 𝑑𝑎𝑛 𝑉𝑗 ∠𝛿𝑗 dan 𝑦𝑖𝑗 ∠𝑣𝑖𝑗 adalah merupakan elemen pada bus

𝑌𝐵𝑈𝑆.

Untuk mensimulasi perubahan beban 𝑃𝐿𝑖 dan 𝑄𝐿𝑖 harus diubah

dengan cara memisahkan kedua komponen. Satu komponen sesuai

dengan beban pada bus 𝔦 dan komponen lainnya akan mewakili perubahan

beban yang disebabkan oleh perubahan parameter beban.

Kemudian,

42

𝑃𝐿𝑖 = 𝑃𝐿𝑖𝑜 + ∅(𝑘𝐿𝑖𝑆∆𝑏𝑎𝑠𝑒 cos 𝜓𝑖)

𝑄𝐿𝑖 = 𝑄𝐿𝑖𝑜 + 𝜙(𝑘𝐿𝑖𝑆Δ𝑏𝑎𝑠𝑒 sin 𝜓𝑖)

Dimana,

𝑃𝐿𝑖𝑜 , 𝑄𝐿𝑖𝑜 adalah beban pasti pada bus 𝔦, beban aktif dan reaktif.

𝑘𝐿𝑖 = indicator yang menunjukkan tingkat perubahan beban pada bus 𝔦

terhadap perubahan ∅

ψ𝑖 = sudut daya terhadap dari perubahan beban terhadap bus 𝔦.

𝑆Δ𝑏𝑎𝑠𝑒 = kualitas dari daya semu yang dipilih untuk menginjeksikan skala

yang tepat dari ∅

𝑘𝐺𝑖 = nilai konstan pada generator untuk menentukan tingkat perubahan

yang bervariasi pada generator ∅

𝑃𝑇𝑖 , 𝑄𝑇𝑖 = parameter aktif dan reaktif yang diinjeksikan ke system.

Selain itu, pembangkit aktif dapat diubah ke,

𝑃𝐺𝑖 = 𝑃𝐺𝑖𝑜 (1 + ∅𝑘𝐺𝑖)

Apabila ungkapan diatas diganti dengan persamaan aliran daya, kemudian

dimasukkan kedalam persamaan daya aktif dan reaktif, maka hasilnya

sebagai berikut:

0 = 𝑃𝐺𝑖0(1 + ∅𝑘𝐺𝑖) − 𝑃𝐿𝑖0 − ∅(𝑘𝐿𝑖 𝑆∆𝑏𝑎𝑠𝑒) cos 𝜓𝑖) − 𝑃𝑇𝑖

0 = 𝑄𝐺𝑖0 − 𝑄𝐿𝑖0 − ∅ (𝑘𝐿𝑖 𝑆∆𝑏𝑎𝑠𝑒 sin 𝜓𝑖) − 𝑄𝑇𝑖

Dimana,

𝑃𝐺𝑖0 merupakan daya aktif pada generator terhadap bus i sebagai studi

kasus

43

Kemudian dilanjutkan dengan komputasi pada algoritma menggunakan

persamaan aliran daya sebagai berikut;

𝐹 (𝛿, 𝑉, ∅) = 0

dimana adalah 𝛿 vektor sudut generator, V adalah vektor magnitude

tegangan bus dan ∅ adalah parameter pembebanan.

Metode CPF menjabarkan sebuah skema langkah korektor prediktor

untuk mencari solusi persamaan aliran daya yang direformulasi. Di prediksi

pada tangen vektor dihitung dengan menurunkan kedua sisi persamaan

aliran daya, sehingga:

[𝐹𝛿 𝐹𝑉 𝐹∅] [𝑑𝛿𝑑𝑉𝑑∅

] = 0

Selanjutnya,

Dari di lakukan koreksi dengan memperluas parameterisasi yang telah di

indentifikasi dari setiap solusi yang telah didapatkan setelah dilakukan

proses komputasi. Hasil yang di peroleh akan menunjukkan setiap bus

terlemah pada system. Bus yang paling sensitif memiliki rasio besaran

perubahan diferensial tegangan terhadap perubahan diferensial perubahan

beban. Oleh Karena itu, dalam penelitian ini kami memformasikan PV-

Sensitiviti untuk menentukan lokasi PV sebagai berikut :

𝑃𝑉 − 𝑆𝑒𝑛𝑠𝑖𝑡𝑖𝑣𝑖𝑡𝑦 = |𝑑𝑉𝑗

𝑑𝑃𝑡𝑜𝑡𝑎𝑙| = max ||

𝑑𝑉1

𝑑𝑃𝑡𝑜𝑡𝑎𝑙| , |

𝑑𝑉2

𝑑𝑃𝑡𝑜𝑡𝑎𝑙| , … … . |

𝑑𝑉𝑛

𝑑𝑃𝑡𝑜𝑡𝑎𝑙||

44

E. Penelitian Terkait

Beberapa penelitian sebelumnya yang sudah dilakukan dan menjadi

rujukan penulis untuk penelitian ini dapat dilihat pada Tabel 3:

Tabel 3. Penelitian terkait

No Judul Penulis Tahun Publikasi Pembahasan

3. A Monte Carlo Method for Optimum Placement of Photovoltaic Generation Using a Multicore Computing Environment [31].

Gerardo Guerra and Juan A. Martinez

2014 IEEE Menyajikan tentang pemasangan Photovoltaic yang optimal dengan menggunakan metode Monte Carlo.

4. Optimal Placement of PV-Distributed Generation units in radial distribution system based on sensitivity approaches [32].

Sirine Essallah, Adel Bouallegue and Adel Khedher

2015 IEEE Menyajikan penempat PV yang optimal dengan menggunakan indeks keruntuhan tegangan (L-index), loss faktor sensitivitas (LSF) dan indeks kinerja tegangan (VPI). Kemudia Metode ini dieksekusi menggunakan alat MATLAB PSAT

5. A Methodology to Determine Suitable Placement of Solar Photovoltaic Sources in the Transmission System taking into account Voltage Stability Index (VSI) [33].

Adrian W. H. Sie, Izham Z. Abidin, and H. hashim

2014 IEEE Menyajikan sebuah metodelogi untuk mendeteksi sensitifitas pada bus terhadap tegangan jatuh dan juga garis kritis

6. Optimal Integration of Solar Distributed Generations in Distribution Network Using SPEA2 [6].

Imen Ben Hamida, Saoussen Brini Salah, Faouzi Mshali, Mouhamed Faouzi

2016 IEEE Makalah ini membahas masalah tempat dan ukuran optimal dari solar photovoltaic DGs dgn menggunakan teknik evolusi SPEA2 (Strength Pareto Evolutionary Algorithm 2). Tujuannya adalah untuk meminimalkan daya aktif dan biaya operasi tahunan

45

dalam rangka operasional dan keamanan sistem kendala dalam sistem distribusi

7. Optimal allocation and sizing of Photovoltaic-based distributed generation for voltage dip improvement [12].

Saádah Daud, Aida Fazliana Abdul Kadir, Chin Kim gan, Abdul Rahim Abdullah

2016 IEEE Menyajinkan penempatan PV dengan menggunakan sebuah algoritma IGSA

8. Optimal allocation of solar based distributed generators in distribution system using Bat algoritma [9].

Suresh Kumar Sudabattula daan Kowsalya M

2016 Science Direct

Dalam makalah ini teknik yang efektif diusulkan untuk optimalisasi alokasi generator berbasis solar pada jaringan distribusi dengan menggunakan algoritma Bat (BA). Tujuannya adalah untuk meminimalkan kehilangan daya dari sistem distribusi radial.

46

F. Kerangka Pikir

Adapun kerangka pikir yang akan dibangun dalam penelitian ini

adalah seperti yang diperlihatkan pada Gambar 14.

PROBLEM

PROBLEM

TARGET IMPLEMENTASI

OLAH DATA

HASIL

Gambar 14. Kerangka Pikir

MERANCANG PENEMPATAN LOKASI PHOTOVOLTAIC (PV) DENGAN METODE CPF UNTUK MENGOPTIMALKAN SISTEM

MEMPERTIMBANGKAN IRRADIANCE UNTUK PENENTUAN LOKASI

PENEMPATAN PHOTOVOLTAIC (PV)

MENGANALISIS KESTABILAN TEGANGAN DENGAN METODE CONTINUATION

POWER FLOW (CPF)

MEMPEROLEH LOKASI INTEGRASI IRRADIANCE YANG BAIK DAN DAPAT

MEMINIMALKAN RUGI JARINGAN

47

BAB III

METODOLOGI PENELITIAN

Dalam melakukan penelitian kestabilan tegangan pada sistem multi

mesin yang diperoleh dari proses komputasi dan pengolahan data pada

Power System Analysis Toolbox (PSAT) yang telah terintegrasi pada

perangkat lunak Matrix Laboratory (MATLAB) . Studi kasus yang diangkat

yaitu sistem interkoneksi Sulbagsel terdiri dari 15 generator, 44 bus, 47 line

dan 34 beban yang tersebar yang akan diteliti, dengan variasi tegangan dari

30 kV, 70 kV, 150 kV dan 275 kV [34].

A. Studi Literatur

Penelitian ini dilakukan studi literatur dengan cara mencari bahan

bacaan dari paper atau jurnal nasional dan international, tugas akhir dan

buku-buku teks yang berkaitan dengan permasalahan yang akan diteliti.

Pada penelitian ini literatur yang digunakan sebagai acuan adalah referensi

dari buku-buku teks, tugas akhir dan artikel-artikel ilmiah, baik dalam bentuk

jurnal maupun prosiding konferense nasional dan internasional yang

berkaitan dengan Photovoltaic, Irradiance, PLTS, Kestabilan tegangan,

Continuation Power Flow (CPF).

48

B. Pengumpulan Data

Sebelum dilakukan penelitian, dilakukan pengumpulan serta

pengambilan data sistem interkoneksi transmisi dan single line pada sistem

transmisi kelistrikan Sulbagsel 275 kV, 150 kV, 70 kV dan 30 kV serta data

pendukung lainnya yang mendukung penelitian yang akan dilakukan.

Data Sistem Sulbagsel

Gambar 15 memperlihatkan single line Sistem interkoneksi Sulbagsel

beroperasi pada tegangan 275 kV, 150 kV, 70 kV, dan 30 kV.

49

Gambar 15. Single line diagram system sulbagsel [35].

50

Tabel 4. Data Transmisi Sistem Sulbagsel

NO BUS

NAMA BUS NO BUS

NAMA BUS R(PU) X(PU) 1/2 B(PU)

1 SENGKANG 2 SIDRAP 0,01058 0,07259 0,00342

1 SENGKANG 3 SOPPENG 0,02106 0,1267 0,00404

2 SIDRAP 3 SOPPENG 0,05643 0,20275 0,00482

2 SIDRAP 4 PAREPARE 0,02003 0,07198 0,00142

4 PAREPARE 5 PINRANG 0,01388 0,04974 0,00067

4 PAREPARE 10 SUPPA 0,00787 0,02826 0,00056

4 PAREPARE 11 PLTU BARRU 0,01 0,07946 0,00396

4 PAREPARE 6 POLMAS 0,03663 0,13159 0,01819

5 PINRANG 7 BAKARU 0,03076 0,11023 0,01012

6 POLMAS 7 BAKARU 0,02627 0,0944 0,00743

6 POLMAS 8 MAJENE 0,05261 0,18902 0,00372

8 MAJENE 9 MAMUJU 0,03076 0,11023 0,01012

11 PLTU BARRU 12 BARRU 0,01173 0,03973 0,00198

12 BARRU 13 PANGKEP 0,02419 0,08667 0,01167

13 PANGKEP 14 PANGKEP 70 0 0,39492 0

13 PANGKEP 16 BOSOWA 0,0109 0,03919 0,00493

13 PANGKEP 17 KIMA 0,00845 0,03024 0,0038

14 PANGKEP 70 15 TONASA 0,03275 0,06013 0,00005

14 PANKEP 70 22 MANDAI 0,36318 0,66671 0,0005

16 BOSOWA 18 TALLO 0,04764 0,17071 0,00575

17 KIMA 18 TALLO 0,00845 0,03024 0,0038

18 TALLO 16 TALLO LAMA 0,00726 0,026 0,00088

18 TALLO 19 PANKUKANG 0,04334 0,07958 0,00006

18 TALLO 29 SUNGGUMINASA 0,00385 0,02635 0,00124

18 TALLO 20 TALLO 70 0 0,41587 0

18 TALLO 24 TALLO 30 0 0,5535 0

26 TALLO LAMA 27 TALLO LAMA 70 0 0,41587 0

27 TALLO LAMA 70 28 BONTOALA 0,04046 0,07428 0,00006

20 TALLO 70 21 BORONGLOE 0,06069 0,11141 0,00034

20 TALLO 70 22 MANDAI 0,05828 0,10699 0,00032

20 TALLO 70 23 DAYA 0,02408 0,04421 0,00013

22 MANDAI 23 DAYA 0,0342 0,06278 0,00019

24 TALLO 30 25 BARAWAJA 0,12292 0,17508 0,00002

29 SUNGGUMINASA 30 TANJUNG BUNGA 0,00707 0,04256 0,00136

29 SUNGGUMINASA 31 TALLASA 0,0097 0,06649 0,00314

29 SUNGGUMINASA 32 MAROS 0,05433 0,37234 0,01756

31 TALLASA 33 PGAYA 0,01756 0,04609 0,00217

51

31 TALLASA 34 JENEPONTO 0,03241 0,13837 0,01973

33 PGAYA 34 JENEPONTO 0,0097 0,06649 0,00314

34 JENEPONTO 35 BULUKUMBA 0,04861 0,17466 0,00344

35 BULUKUMBA 36 SINJAI 0,0312 0,11211 0,00882

36 SINJAI 37 BONE 0,01149 0,14603 0,01149

35 BULUKUMBA 37 BONE 0,0312 0,11211 0,00882

37 BONE 3 SOPPENG 0,04578 0,16306 0,00402

2 SIDRAP 32 MAROS 0,01235 0,08464 0,00399

2 SIDRAP 38 MAKALE 0,06274 0,37753 0,01203

38 MAKALE 39 PALOPO 0,03917 0,14076 0,00277

39 PALOPO 40 LTUPA 0 0,17234 0

40 LTUPA 42 PAMONA 0,051 0,38 0,00134

41 PLTA POSO 42 PAMONA 0 0,013 0

42 PAMONA 43 PAMONA 150 0,01914 0,06356 0,00018

43 PAMONA 150 44 POSO 0,01604 0,13353 0,00667

*Sumber data: PT. PLN (Persero) AP2B Wilayah Sulbagsel

Tabel 5. Data parameter dinamik generator sistem Sulbagsel

No Generator Xd

(p.u) X'd

(p.u) X"d (pu)

Xq (p.u)

X'q (p.u)

X"q (p.u)

ra xl

1 PLT U T allo 1,182 0,0995 0,102 1,091 0,1975 0,102 0 0.107

2 PLT U Barru 2,363 0,199 0,204 2,182 0,395 0,204 0 0.107

3 PLT A T eppo

(Pinrang) 2,08 0,385 0,261 1,12 0,274 0,261 0 0.186

4 PLT D Suppa 2,08 0,385 0,261 1,12 0,267 0,261 0 0.186

5 PLT A Bakaru 0,924 0,268 0,27 0,553 0,276 0,27 0 0.12

6 PLTD Makale (Torja)

2,08 0,385 0,261 1,12 0,337 0,261 0 0.186

7 PLTD Palopo 2,08 0,385 0,261 1,12 0,337 0,261 0 0.186

8 PLT A Poso 0,924 0,268 0,27 0,553 0,368 0,27 0 0.12

9 PLT GU Sengkang

2,31 0,2 0,12 0,553 0,6 0,12 0 0.6

10 PLT A Bili-Bili 2,08 0,385 0,261 1,12 0,330 0,261 0 0.186

11 PLTD

Sungguminasa 2,08 0,385 0,261 1,12 0,337 0,261 0 0.186

12 PLTD Tallasa 2,08 0,385 0,261 1,12 0,485 0,261 0 0,186

13 PLTU Arena (Jeneponto)

2,08 0,385 0,261 1,12 0.485 0,261 0 0.186

14 PLTA Tangka manipi (sinjai)

1,924 0,268 0,27 1,553 0,256 0,27 0 0.12

15 PLTD Agrekko (Tallo Lama)

2,363 0,199 0,204 2,182 0,395 0,204 0 0.107

*Sumber data: PT. PLN (Persero) AP2B Wilayah Sulbagsel

52

Tabel 6. Data Generator dan Beban

NO

BU

S

NAMA BUS

Volta

ge

Mag

Angle

degre

e

BEBAN GENERATOR JENI

S

BUS MW MVA

R MW MVA

R Qmax

Qmin

1 Sengkang 1,02 0.00 18.40 11.00 266.30 7.90 300 80 Slack

2 Sidrap 1,01 0.00 23.80 10.40 0.00 0.00 0 0 PQ

3 Soppeng 1,02 0.00 9.40 4.20 0.00 0.00 0 0 PQ

4 Parepare 1,00 0.00 17.10 5.40 0.00 0.00 0 0 PQ

5 Pinrang 1,00 0.00 20.20 8.20 0.00 0.00 200 50 PQ

6 Polmas 1,01 0.00 12.30 4.40 0.00 0.00 0 0 PQ

7 Bakaru 1,03 0.00 2.10 0.20 63.00 6.96 500 100 PV

8 Majene 1,00 0.00 7.80 2.40 0.00 0.00 0 0 PQ

9 Mamuju 1,00 0.00 16.60 2.90 0.00 0.00 0 0 PQ

10 Suppa 1,00 0.00 0.00 0.00 0.00 0.00 300 80 PQ

11 PLTU Barru/GI Balusu

1,00 0.00 0.00 0.00 62.11 15.69 150 50 PQ

12 Barru 1,00 0.00 7.10 3.60 0.00 0.00 0 0 PQ

13 Pangkep 0,97 0.00 20.20 8.30 0.00 0.00 0 0 PQ

14 Pangkep 70 1,00 0.00 0.00 0.00 0.00 0.00 0 0 PQ

15 Tonasa 1,00 0.00 38.20 5.10 0.00 0.00 0 0 PQ

16 Bosowa 1,00 0.00 4.97 24.94 0.00 0.00 0 0 PQ

17 Kima 1,00 0.00 22.00 7.30 0.00 0.00 0 0 PQ

18 Tello 0,97 0.00 61.00 19.30 0.00 0.00 200 50 PQ

19 Panakukang 0,97 0.00 67.10 17.80 0.00 0.00 0 0 PQ

20 Tallo 70 0,96 0.00 0.00 0,0 0.00 0.00 0 0 PQ

21 Barangloe/bili bili

0,94 0.00 10.00 0.00 5.10 9.90 200 50 PV

22 Mandai 1,00 0.00 20.20 2.70 0.00 0.00 0 0 PQ

23 Daya 0,98 0.00 24.20 4.20 0.00 0.00 0 0 PQ

24 Tallo 30 1,00 0.00 0.00 0.00 0.00 0.00 0 0 PQ

25 Barawaja 1,00 0.00 0.00 0.00 0.00 0.00 0 0 PQ

26 Tallo Lama 0,97 0.00 33.40 10.20 0.00 0.00 150 50 PQ

27 Tallo Lama 70 0,97 0.00 0.00 0.00 0.00 0.00 0 0 PQ

28 Bontoala 1,00 0.00 23.80 8.20 0.00 0.00 0 0 PQ

29 Sunggumnasa 0,98 0.00 4.60 9.20 20.00 6.00 150 50 PV

30 Tanjng Bunga 1,00 0.00 54.20 17.90 0.00 0.00 0 0 PQ

31 Tallasa 0,99 0.00 15.20 5.00 20.00 0.00 150 50 PQ

32 Maros 1,00 0.00 15.30 6.20 0.00 0.00 0 0 PQ

33 Pagaya 1,00 0.00 0.00 0.00 212.36 92.82 300 80 PV

34 Jeneponto 1,00 0.00 11.00 4.10 0.00 0.00 0 0 PQ

35 Bulukumba 1,00 0.00 19.20 6.00 0.00 0.00 0 0 PQ

53

36 Sinjai 1,00 0.00 12.20 6.20 4.00 0.62 200 50 PV

37 Bone 1,00 0.00 23.50 9.30 0.00 0.00 0 0 PQ

38 Makale 1,02 0.00 5.90 2.60 8.65 2.17 200 50 PQ

39 Palopo 1,00 0.00 34.90 13.10 3.00 1.40 120 50 PQ

40 LTUPA 275 1,00 0.00 0.00 0.00 0.00 0.00 0 0 PQ

41 PLTA Poso 1,00 0.00 0.00 0.00 167.30 22.13 300 50 PV

42 PAMONA 275 1,00 0.00 0.00 0.00 0.00 0.00 0 0 PQ

43 Pamona 150 1,00 0.00 1.65 0.22 0.00 0.00 0 0 PQ

44 Poso 1,00 0.00 8.48 1.95 167.30 22.13 0 0 PQ

*Sumber data: PLN (Persero) AP2B Wilayah Sulbagsel C. Lokasi dan Waktu Penelitian

1. Lokasi

Penelitian ini dilakukan di Laboratorium Power Sistem Fakultas

Teknik Universitas Hasanuddin Sungguminasa - Gowa

2. Waktu

Waktu penelitian dilaksanakan selama 5 bulan dimulai pada tanggal

5 Juli 2017 sampai tgl 25 November 2017.

D. Alat yang digunakan

Pada penelitian ini digunakan alat:

a. Perangkat keras Laptop dengan spesifikasi sebagai berikut:

- DELL Inspiron 14 3000 series

- Printer Epson L310 dan printer HP Laserjet P1102

54

b. Perangkat lunak Software MATLAB Versi 2014 dan PSAT Toolbox

Versi 2.1.9.-Mat.

E. Prosedur Penelitian

Gambar 16 memperlihatkan sebuah diagram alir dari PV yang coba

diusulkan dengan menggunakan metode CPF dan info irradiance. Setelah

dilakukan studi aliran daya dan analisis kestabilan tegangan langkah

selanjutnya adalah menjalankan CPF dan menghitung PV - Sensitivitas

dalam menentukan ketidakstabilan pada sistem. Hasil yang menunjukkan

nilai tegangan yang terlemah kemudian dijadikan prioritas penempatan PV

kemudian dilakukan proses komputasi untuk melihat nilai perubahan

tegangan yang ada. Jika kendala terpenuhi maka, akan didapatkan lokasi

yang optimal dalam pemasangan PV.

55

Gambar 16. Flow chart pemasangan PV dengan metode CPF [36].

F. Jadwal Penelitian

Adapun jadwal dari penelitian yang akan dilakukan adalah:

Tabel 7. Jadwal kegiatan penelitian

No.

Keg

iata

n

Tahun I (2016) Tahun II (2017)

Sept Oktober November Desember Juli Ags Sep Okt Nov

IV I II III IIV I II III IV I II III IV

1 Penentuan Topik

2 Studi literatur

3 Perumusan masalah

4 Penyusunan rancangan

5 Pembuatan proposal

6 Seminar proposal

7 Pengambilan data terbaru PLN

8 Pengujian dan analisa sistem

9 Penulisan laporan

10 Submit jurnal

11 Seminar hasil

12 Accepted jurnal

13 Conference

13 Ujian sidang

Star

Identifying location with high irradiance from solargis info

Perform power flow and voltage stability analisys for initial condition

(without PV unit) to calculate voltage magnitude at each buses

Perform the CPF method to calculate PV-Sensitivity to determine the

most influence bus to the instability

Install PV unit with certain capacity in this weak bus

Perform power flow analisys and voltage stability analysis to calculate

voltage magnitude

Stop

Display results

56

BAB IV

HASIL DAN PEMBAHASAN

Dalam penelitian ini, program computer digunakan sebagai media

dalam melakukan penelitian, dalam hal ini program MATLAB yang telah

diintegrasikan pada software simulink PSAT versi 2.1.9. 2014 untuk

mengetahui hasil analisis pada sistem interkoneksi Sulawesi Bagian

Selatan (Sulbagsel).

Dalam penggunaan program MATLAB yang diintegrasikan pada

software PSAT, dapat memudahkan dalam mengeksekusi analisis load flow

dan sensitifitas tegangan. Pada kajian load flow digunakan untuk

mendapatkan parameter tegangan dan daya di setiap bus sebelum dan

setelah terpasangnya PV pada sistem Sulbagsel. Ada 44 bus, 47 line, 6

transformer, 8 generator dan 34 beban yang akan di modelkan dan diteliti.

Adapun 8 generator tersebut dapat dilihat pada Tabel 6.

Daerah yang memiliki irradiance yang baik menurut data dari solargis

yaitu Makassar, Sidrap, Pinrang, Jeneponto, Palopo, Bone, Polmas, dan

Poso. Karena makassar adalah pusat beban dan memiliki beberapa gardu

induk maka diwakili oleh 4 tempat yaitu Tallo Lama, Panakukang, Bontoala,

dan Daya untuk dilakukan simulasi pemasangan PV. Tabel 8

memperlihatkan daerah-daerah yang memiliki irradiance yang baik

berdasarkan SOLARGIS, yang kemudian akan dihitung sensitifitasnya.

57

Tabel 8. Daerah yang memiliki Irradiance baik

Daerah Irradiance baik

Tallo Lama Jeneponto

Panakukang Palopo

Bontoala Bone

Daya Polmas

Sidrap Poso

Pinrang

A. Diagram Satu Garis

Sistem interkoneksi yang bertujuan untuk menjaga kestabilan

tegangan dan ketersediaan tenaga listrik terhadap kebutuhan beban yang

semakin meningkat tiap tahunnya. Semakin berkembangnya sistem tenaga

listrik dapat mengakibatkan lemahnya performansi sistem ketika terjadi

gangguan. Pada Gambar 17 memperlihatkan diagram satu garis pada

PSAT.

58

Gambar 17. Diagram satu garis

59

B. Simulasi dan Pembahasan

Pada penelitian ini, setiap daerah dengan irradiance yang baik akan

dihitung nilai PV-Sensitifitasnya. Nilai daya output PV yang disimulasikan

untuk setiap daerah dalam thesis ini, yaitu 1 MWp, 3 MWp, 5 MWp, 10

MWp, 15 MWp, 20 MWp, 25 MWp, dan 30 MWp.

B.1. Tegangan sebelum pemasangan PV (normal)

Tabel 9 memperlihatkan hasil tegangan sebelum pemasangan PV dari

single line diagram. Adapun grafik profil tegangan diperlihatkan pada

gambar 18.

Tabel 9. Nilai tegangan pada bus tanpa PV

TEGANGAN NORMAL SEBELUM PEMASANGAN PV 1. SENGKANG 1.02 23. DAYA 0.966913875

2. SIDRAP 0.988988046 24. TELLO 30 0.892148745

3. SOPPENG 0.994256815 25. BARAWAJA 0.892150307

4. PARE-PARE 0.998208354 26. TALLO LAMA 0.88600745

5. PINRANG 1.011766543 27. TALLO LAMA 70 0.880299525

6. POLMAS 1.013566945 28. BONTOALA 0.860995177

7. BAKARU 1.05 29. SUNGGUMINASA 0.909930197

8. MAJENE 0.979684154 30. TANJUNG BUNGA 0.897346569

9. MAMUJU 0.971695717 31. TALLASA 0.99

10. SUPPA 1 32. MAROS 0.966080787

11. PLTU BARRU 1 33. PAGAYA 1

12. BARRU 0.964645272 34. JENEPONTO 0.991503963

13. PANGKEP 0.903987303 35. BULUKUMBA 0.976466235

14. PANGKEP70 0.956730578 36. SINJAI 0.975316229

15.TONASA 0.947933013 37. BONE 0.974263767

16. BOSOWA 0.898021868 38. MAKALE 0.945073558

17. KIMA 0.896254906 39. PALOPO 0.942629244

18. TELLO 0.892138869 40. LTUPA 0.949577474

19. PANAKUKANG 0.838286612 41. PLTA POSO 1

20. TELLO 70 0.969926621 42. POMANA 275 0.980960915

21. BARANGLOE 0.962668021 43. POMANA 150 0.978591016

22. MANDAI 0.960858926 44. POSO 0.949661299

60

Gambar 18. Profil Tegangan sebelum pemasangan PV.

0.94

0.96

0.98

1

1.02

1.04

1.06

1SK

AN

G

2SD

RA

P

3SP

ENG

4P

PA

RE

5P

RA

NG

6P

LMA

S

7B

AK

AR

U

8M

JEN

E

9M

MU

JU

10

SUP

PA

11

PLT

UB

AR

RU

12

BA

RR

U

13

PN

KEP

14

PN

KEP

70

15

TNA

SA

16

BO

SOW

A

17

KIM

A

18

TELL

O

19

PK

AN

G

20

TELL

O7

0

21

BR

LOE

22

MN

DA

I

23

DA

YA

24

TELL

O3

0

25

BW

AJA

26

TLA

MA

27

TLA

MA

70

28

BN

TLA

29

SGM

SA

30

TBN

GA

31

TLA

SA

32

MA

RO

S

33

PG

AYA

34

JNP

TO

35

BK

MB

A

36

SNJA

I

37

BO

NE

38

MK

ALE

39

PLO

PO

40

LTU

PA

41

PLT

A P

OSO

42

PO

MA

NA

27

5

43

PO

MA

NA

15

0

44

PO

SO

Tega

nga

n

61

B.2. Setelah pemasangan PV

Tabel 10 memperlihatkan hasil total tegangan untuk integrasi PV apabila

ditempatkan di daerah-daerah dengan irradiance yang baik. Adapun profil

PV Sensitivitas diperlihatkan pada gambar 19.

62

Tabel 10. Hasil total tegangan untuk integrasi PV di daerah dengan irradiance baik

1 MWp 3 MWp 5 MWp 10 MWp 15 MWp 20 MWp 25 MWp 30 MWp

Tallo Lama 0.908137598 0.908850978 0.909553705 0.911264338 0.912909752 0.914491 0.916008588 0.9174638 0.912335

Panakukang 0.793208646 0.793744148 0.794233897 0.795261536 0.796014405 0.796500 0.796725129 0.7966966 0.795298

Bontoala 0.393856722 0.39937896 0.404695882 0.417112374 0.428316181 0.438350 0.447248431 0.4550433 0.423

Daya 0.05835439 0.066072036 0.073615981 0.091737394 0.108841828 0.124973 0.140168702 0.1544653 0.102279

Sidrap 0.013495977 0.013442833 0.013389594 0.013256087 0.013121992 0.012987 0.012852034 0.0127162 0.013158

Palopo 0.008469694 0.008373934 0.008269184 0.007968103 0.007611182 0.007199 0.006730085 0.0062057 0.007603

Pinrang 0.004814977 0.004826727 0.00483353 0.004829065 0.004794226 0.004729 0.004634883 0.0045111 0.004747

Bone 0.002442576 0.00291092 0.003372828 0.004499737 0.005587394 0.006636 0.007647589 0.0086214 0.005215

Polmas 0.001991048 0.002010071 0.002023707 0.002034457 0.002012302 0.001958 0.001871364 0.0017536 0.001957

Jeneponto 0.000853427 0.001997103 0.003108705 0.005748863 0.008193352 0.010445 0.012507928 0.0143839 0.007155

Poso 0.000205166 -4.8202E-05 -0.000320826 -0.001088752 -0.001985008 -0.003017 -0.004196153 -0.0055346 -0.002

Nama BusPV-Sensitivitas

Rata-rata

63

Berdasarkan tabel diatas, daerah yang memiliki irradiance baik dan

memiliki sensitivitas yang baik setelah pemasangan PV 1 MWp adalah bus

Tallo Lama dengan nilai 0.908137598, sedangkan daerah yang memiliki

irradiance baik dan nilai sensitivitas buruk yaitu pada Bus Poso dengan nilai

0.000205166. Daerah yang memiliki irradiance baik dan memiliki

sensitivitas yang baik setelah pemasangan PV 3 MWp adalah bus Tallo

Lama dengan nilai 0.908850978, sedangkan daerah yang memiliki

irradiance baik dan nilai sensitivitas buruk yaitu pada Bus Poso dengan nilai

-4.8202E-05. Daerah yang memiliki irradiance baik dan memiliki sensitivitas

yang baik setelah pemasangan PV 5 MWp adalah bus Tallo Lama dengan

nilai 0.909553705, sedangkan daerah yang memiliki irradiance baik dan nilai

sensitivitas buruk yaitu pada bus Daya dengan nilai -0.000320826. Daerah

yang memiliki irradiance baik dan memiliki sensitivitas yang baik setelah

pemasangan PV 10 MWp adalah bus Tallo Lama dengan nilai 0.911264338,

sedangkan daerah yang memiliki irradiance baik dan nilai sensitivitas buruk

yaitu pada bus Poso dengan nilai -0.0010888. Daerah yang memiliki

irradiance baik dan memiliki sensitivitas yang baik setelah pemasangan PV

15 MWp adalah bus Tallo Lama dengan nilai 0.912909752, sedangkan

daerah yang memiliki irradiance baik dan nilai sensitivitas buruk yaitu pada

bus Poso dengan nilai -0.001985008. Daerah yang memiliki irradiance baik

dan memiliki sensitivitas yang baik setelah pemasangan PV 20 MWp adalah

bus Tallo Lama dengan nilai 0.914491, sedangkan daerah yang memiliki

irradiance baik dan nilai sensitivitas buruk yaitu pada bus Poso dengan nilai

64

-0.003017. Daerah yang memiliki irradiance baik dan memiliki sensitivitas



sensitivitas buruk yaitu pada bus Poso dengan nilai -0.004196153.

Sedangkan daerah yang memiliki irradiance baik dan memiliki sensitivitas



sensitivitas buruk yaitu pada Bus Jeneponto dengan nilai -0.0055346.

65

Gambar 19. PV - Sensitivitas

-0.1

0.1

0.3

0.5

0.7

0.9

1.1P

V-S

ensi

tivi

tas

1 MWp

3 MWp

5 MWp

10 MWp

15 MWp

20 MWp

25 MWp

30 MWp

66

Dari hasil tabel dan gambar diatas yang telah memperlihatkan data semua

bus sebelum pemasangan PV dan setelah pemasangan PV pada daerah

yang memiliki irradiance baik, maka pada Tabel 11 memperlihatkan rugi -

rugi daya aktif setelah pemasangan PV pada daerah yang memiliki

irradiance yang baik untuk semua nilai output. Pada Gambar 20

memperlihatkan profil rugi – rugi daya aktif setelah pemasangan PV.

67

Tabel 11. Rugi – rugi daya aktif setelah pemasangan PV pada daerah yang memiliki irradiance yang baik

Nama Bus

Rugi - rugi daya aktif (p.u)


Normal 0.51075299 0.51075299 0.51075299 0.51075299 0.51075299 0.51075299 0.51075299 0.51075299

Tallo Lama 0.47842664 0.47341817 0.46847625 0.45640936 0.44474779 0.43348435 0.42261211 0.41212444

Bontoala 0.49417024 0.48818794 0.48234642 0.46834224 0.45516626 0.44278648 0.43117458 0.42030555

Palopo 0.50174242 0.50205989 0.50246832 0.50388613 0.50586903 0.49170818 0.51152746 0.51520481

Panakukang 0.50269894 0.49526542 0.48797644 0.47037473 0.45363846 0.43774232 0.42266246 0.40837636

Sidrap 0.50400552 0.50312557 0.50225316 0.50010504 0.49800384 0.48675489 0.49394168 0.49198048

Bone 0.50823195 0.50629846 0.50441121 0.49989391 0.49566068 0.49392792 0.48803315 0.48463250

Poso 0.50910836 0.50991856 0.51088949 0.51403669 0.51825115 0.52359434 0.53014667 0.53801375

Jeneponto 0.50926193 0.50682159 0.50444233 0.49875860 0.49344747 0.48850277 0.48391860 0.47968938

Daya 0.50392889 0.49755036 0.49131363 0.47632605 0.46217301 0.44882157 0.43624176 0.42440632

Polmas 0.51124010 0.50843953 0.50569216 0.49905467 0.49274364 0.50841605 0.48108439 0.47572822

Pinrang 0.51479466 0.51243013 0.51010558 0.50446795 0.49907629 0.49594942 0.48902018 0.48435056

68

Pada tabel diatas memperlihatkan, ketika dilakukan simulasi

pemasangan PV 1 MWp pada bus Tallo Lama memiliki nilai rugi-rugi daya

aktif terkecil yaitu 0.47842664 p.u, sedangkan rugi-rugi daya aktif yang

terbesar adalah pada bus Pinrang yakni 0.51479466 p.u. Setelah


aktif terkecil yaitu 0.47341817 p.u, rugi-rugi daya aktif yang terbesar pada

bus Pinrang yakni 0.51243013 p.u. Pemasangan PV 5 MWp pada bus Tallo

Lama memiliki nilai rugi-rugi daya aktif terkecil yaitu 0.46847625 p.u,

sedangkan rugi-rugi daya aktif yang terbesar adalah pada bus Poso yakni

0.51088949 p.u. Pemasangan PV 10 MWp pada bus Tallo Lama memiliki

nilai rugi-rugi daya aktif terkecil yaitu 0.45640936 p.u, sedangkan rugi-rugi

daya aktif yang terbesar adalah pada bus Poso yakni 0.51403669 p.u.

Pemasangan PV 15 MWp pada bus Tallo Lama memiliki nilai rugi-rugi daya

aktif terkecil yaitu 0.44474779 p.u, sedangkan rugi-rugi daya aktif yang

terbesar adalah pada bus Poso yakni 0.51825115 p.u. Pemasangan PV 20

MWp pada bus Tallo Lama memiliki nilai rugi-rugi daya aktif terkecil yaitu

0.43348435 p.u, sedangkan rugi-rugi daya aktif yang terbesar adalah pada

bus Poso yakni 0.52359434 p.u. Pemasangan PV 25 MWp pada bus Tallo

Lama memiliki nilai rugi-rugi daya aktif terkecil 0.42261211 p.u, sedangkan

rugi-rugi daya aktif yang terbesar adalah pada bus Poso yakni 0.53014667

p.u. Sedangkan pemasangan PV 30 MWp pada bus Panakukang memiliki

nilai rugi-rugi daya aktif terkecil 0.40837636 p.u, sedangkan rugi-rugi daya

aktif yang terbesar adalah pada bus Poso yakni 0.53801375 p.u.

69

Gambar 20. Rugi – rugi daya aktif setelah pemasangan PV pada daerah yang memiliki irradiance baik.

0.40

0.42

0.44

0.46

0.48

0.50

0.52

0.54

0.56

Ru

gi -

rugi

day

a ak

tif

(p.u

)

1 MWp

3 MWp

5 MWp

10 MWp

15 MWp

20 MWp

25 MWp

30 MWp

70

Selanjutnya, Tabel 12 memperlihatkan rugi -rugi daya reaktif setelah

pemasangan PV pada daerah yang memiliki irradiance yang baik untuk

semua nilai output, dan pada Gambar 21 memperlihatkan rugi – rugi daya

reaktif setelah pemasangan PV pada daerah yang memiliki irradiance baik

71

Tabel 12. Rugi – rugi daya reaktif setelah pemasangan PV pada daerah yang memiliki irradiance yang baik.

Nama Bus

Rugi - rugi daya reaktif (p.u)


Normal 2.56981112 2.56981112 2.56981112 2.56981112 2.56981112 2.56981112 2.56981112 2.56981112

Tallo Lama 2.38723877 2.36224797 2.33757818 2.27729244 2.21896174 2.16255117 2.10802724 2.05535774

Bontoala 2.50102879 2.46716366 2.43428626 2.35631069 2.28418144 2.21769849 2.15668729 2.10099603

Palopo 2.51868316 2.51869186 2.51917842 2.52247794 2.52874272 2.47500887 2.55014370 2.56528396

Panakukang 2.43769768 2.40711372 2.37705970 2.30419689 2.23449558 2.16785543 2.10418187 2.04338568

Sidrap 2.53633649 2.53043231 2.52457965 2.51017302 2.49608716 2.44565487 2.46887436 2.45574576

Bone 2.55569222 2.54634723 2.53720526 2.51523175 2.49450472 2.47216428 2.45672951 2.43965256

Poso 2.56182818 2.57036723 2.58007100 2.60956063 2.64683157 2.69236769 2.74679655 2.81093819

Jeneponto 2.56238083 2.55044965 2.53880799 2.51095716 2.48487220 2.46052364 2.43788341 2.41692476

Daya 2.54018094 2.50156526 2.46380310 2.37303630 2.28729792 2.20639298 2.13014446 2.05839125

Polmas 2.56580096 2.55218968 2.53880847 2.50635351 2.47530868 2.53796505 2.41737360 2.39044701

Pinrang 2.57866128 2.56670072 2.55491882 2.52624007 2.49865945 2.48232122 2.44674224 2.42238138

72

Pada tabel diatas memperlihatkan, ketika dilakukan simulasi


reaktif terkecil yaitu 2.38723877 p.u, rugi-rugi daya reaktif yang terbesar

pada bus Pinrang yakni 2.57866128 p.u. Pemasangan PV 3 MWp pada

bus Tallo Lama memiliki nilai rugi-rugi daya reaktif terkecil yaitu 2.36224797

p.u, rugi-rugi daya reaktif yang terbesar pada bus Pinrang yakni 2.56670072

p.u. Pemasangan PV 5 MWp pada bus Tallo Lama memiliki nilai rugi-rugi

daya reaktif terkecil yaitu 2.33757818 p.u, rugi-rugi daya reaktif terbesar

adalah pada bus Poso yakni 2.58007100 p.u. Pemasangan PV 10 MWp

pada bus Tallo Lama memiliki nilai rugi-rugi daya reaktif terkecil yaitu

2.27729244 p.u, sedangkan rugi-rugi daya reaktif yang terbesar adalah

pada bus Poso yakni 2.60956063 p.u. Pemasangan PV 15 MWp pada bus

Tallo Lama memiliki nilai rugi-rugi daya reaktif terkecil yaitu 2.21896174 p.u,

sedangkan rugi-rugi daya reaktif yang terbesar adalah pada bus Poso yakni

2.64683157 p.u. Pemasangan PV 20 MWp pada bus Tallo Lama memiliki

nilai rugi-rugi daya reaktif terkecil yaitu 2.16255117 p.u, sedangkan rugi-

rugi daya reaktif yang terbesar adalah pada bus Poso yakni 2.69236769

p.u. Pemasangan PV 25 MWp pada bus Tallo Lama memiliki nilai rugi-rugi

daya reaktif terkecil yaitu 2.10802724 p.u, sedangkan rugi-rugi daya reaktif

yang terbesar adalah pada bus Poso yakni 2.10802724 p.u. Sedangkan

pemasangan PV 30 MWp pada bus Panakukang memiliki nilai rugi-rugi

daya reaktif terkecil yaitu 2.04338568 p.u, sedangkan rugi-rugi daya reaktif

yang terbesar adalah pada bus Poso yakni 2.81093819 p.u.

73

Gambar 21. Rugi – rugi daya reaktif setelah pemasangan PV pada daerah yang memiliki irradiance baik.

2.00

2.10

2.20

2.30

2.40

2.50

2.60

2.70

2.80

2.90

Ru

gi-r

ugi

day

a re

akti

f (p

.u)

1 MWp

3 MWp

5 MWp

10 MWp

15 MWp

20 MWp

25 MWp

30 MWp

74

Hasil dari semua simulasi yang telah dilakukan sebelum

pemasangan PV dan simulasi setelah pemasangan PV telah memperlihat

perbedaan – perbedaan ketika setelah simulasi, dan telah memperlihatkan

hasil sensitivitas dan rugi rugi daya yang terjadi di setiap bus pada gambar

sebelumnya, maka pada Gambar 22 memperlihatkan grafik tegangan pada

keadaan normal atau tanpa pemasangan PV dan hasil grafik sensitivitas

terbaik setelah pemasangan PV pada daerah yang memiliki irradiance

yang baik setiap nilai daya output yang disimulasikan. Gambar 23

memperlihatkan grafik tegangan pada keadaan normal atau tanpa

pemasangan PV dan hasil grafik sensitivitas terburuk setelah pemasangan

PV pada daerah yang memiliki irradiance yang baik setiap nilai daya output

yang disimulasikan.

75

Normal 1 MWp Tallo Lama 3 MWp Tallo Lama 5 MWp Tallo Lama

10 MWp Tallo Lama 15 MWp Tallo Lama 20 MWp Tallo Lama 25 MWp Tallo Lama 30 MWp Panakukang

Gambar 22. Profil tegangan untuk kondisi sebelum simulasi pemasangan PV dan

setelah pemasangan PV yang terbaik pada simulasi setiap nilai daya output.

0 5 10 15 20 25 30 35 40 450

0.2

0.4

0.6

0.8

1

1.2

1.4

V [

p.u

.]

Voltage Magnitude Profile

Bus #

0 5 10 15 20 25 30 35 40 450

0.2

0.4

0.6

0.8

1

1.2

1.4

V [

p.u

.]


Bus #

0 5 10 15 20 25 30 35 40 450

0.2

0.4

0.6

0.8

1

1.2

1.4

V [

p.u

.]


Bus # 0 5 10 15 20 25 30 35 40 450

0.2

0.4

0.6

0.8

1

1.2

1.4

V [

p.u

.]


Bus #

0 5 10 15 20 25 30 35 40 450

0.2

0.4

0.6

0.8

1

1.2

1.4

V [

p.u

.]


Bus #

76

Normal 1 MWp Pinrang 3 MWp Pinrang 5 MWp Poso

10 MWp Poso 15 MWp Poso 20 MWp Poso 25 MWp Poso 30 MWp Poso

Gambar 23. Profil tegangan untuk kondisi sebelum simulasi pemasangan PV dan

setelah pemasangan PV yang terburuk pada simulasi setiap nilai daya output.

0 5 10 15 20 25 30 35 40 450

0.2

0.4

0.6

0.8

1

1.2

1.4

V [

p.u

.]


Bus #

0 5 10 15 20 25 30 35 40 450

0.2

0.4

0.6

0.8

1

1.2

1.4

V [

p.u

.]


Bus #

0 5 10 15 20 25 30 35 40 450

0.2

0.4

0.6

0.8

1

1.2

1.4

V [

p.u

.]


Bus #

0 5 10 15 20 25 30 35 40 450

0.2

0.4

0.6

0.8

1

1.2

1.4

V [

p.u

.]


Bus #

0 5 10 15 20 25 30 35 40 450

0.2

0.4

0.6

0.8

1

1.2

1.4

V [

p.u

.]


Bus #

0 5 10 15 20 25 30 35 40 450

0.2

0.4

0.6

0.8

1

1.2

1.4

V [

p.u

.]


Bus #

0 5 10 15 20 25 30 35 40 450

0.2

0.4

0.6

0.8

1

1.2

1.4

V [

p.u

.]


Bus #

0 5 10 15 20 25 30 35 40 450

0.2

0.4

0.6

0.8

1

1.2

1.4

V [

p.u

.]


Bus #

77

Gambar 24 memperlihatkan grafik tegangan hasil CPF setelah dilakukan

plot pada simulasi sebelum pemasangan PV dan hasil CPF pada

sensititivitas terbaik setelah pemasangan PV pada daerah yang memiliki

irradiance baik setiap nilai daya output yang disimulasikan. Sedangkan

Gambar 25 memperlihatkan grafik tegangan hasil CPF setelah dilakukan

plot pada simulasi sebelum pemasangan PV dan hasil CPF pada

sensititivitas terburuk setelah pemasangan PV pada daerah yang memiliki

irradiance baik setiap nilai daya output yang disimulasikan.

78

Normal 1 MWp Tallo Lama 3 MWp Tallo Lama 5 MWp Tallo Lama

10 MWp Tallo Lama 15 MWp Tallo Lama 20 MWp Tallo Lama 25 MWp Tallo Lama 30 MWp Panakukang

Gambar 24. Hasil CPF setelah plot sebelum pemasangan PV dan sensitivitas terbaik setelah pemasangan PV setiap nilai daya output yang disimulasikan

0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.80

0.2

0.4

0.6

0.8

1

1.2

1.4

Loading Parameter (p.u.)

0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.80

0.2

0.4

0.6

0.8

1

1.2

1.4


0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.80

0.2

0.4

0.6

0.8

1

1.2

1.4


0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.6 1.80

0.2

0.4

0.6

0.8

1

1.2

1.4


0 0.2 0.4 0.6 0.8 1 1.2 1.4 1.60

0.2

0.4

0.6

0.8

1

1.2

1.4


0 0.2 0.4 0.6 0.8 1 1.20

0.2

0.4

0.6

0.8

1

1.2

1.4


79

Normal 1 MWp Pinrang 3 MWp Pinrang 5 MWp Poso

10 MWp Poso 15 MWp Poso 20 MWp Poso 25 MWp Poso 30 MWp Poso

Gambar 25. Hasil CPF setelah plot sebelum pemasangan PV dan sensitivitas terburuk setelah pemasangan PV setiap nilai daya output yang disimulasikan.

0 0.2 0.4 0.6 0.8 1 1.20

0.2

0.4

0.6

0.8

1

1.2

1.4


0 0.2 0.4 0.6 0.8 1 1.20

0.2

0.4

0.6

0.8

1

1.2

1.4


0 0.2 0.4 0.6 0.8 1 1.20

0.2

0.4

0.6

0.8

1

1.2

1.4


0 0.2 0.4 0.6 0.8 1 1.20

0.2

0.4

0.6

0.8

1

1.2

1.4


0 0.2 0.4 0.6 0.8 1 1.20

0.2

0.4

0.6

0.8

1

1.2

1.4


0 0.2 0.4 0.6 0.8 1 1.20

0.2

0.4

0.6

0.8

1

1.2

1.4


0 0.2 0.4 0.6 0.8 1 1.20

0.2

0.4

0.6

0.8

1

1.2

1.4


0 0.2 0.4 0.6 0.8 1 1.20

0.2

0.4

0.6

0.8

1

1.2

1.4


0 0.2 0.4 0.6 0.8 1 1.20

0.2

0.4

0.6

0.8

1

1.2

1.4


80

B.3. Aliran Daya untuk Integrasi 1 MWp

Tabel 13 memperlihatkan hasil simulasi aliran daya apabila PV

dengan kapasitas 1 MWp ditempatkan di daerah-daerah denganirradiance

yang baik. Adapun gambar profil diperlihatkan pada Gambar 26.

Hasil dari semua simulasi yang telah dilakukan dan telah

memperlihatkan sensitivitasnya pada gambar sebelumnya, maka pada

Gambar 27 memperlihatkan perbandingan profil tegangan antara daerah

yang memiliki irradiance baik dengan sensitivitas baik yaitu Tallo Lama, dan

daerah yang memiliki irradiance baik namun memiliki sensitivitas buruk

yaitu Poso.

81

Tabel 13. Hasil simulasi aliran daya untuk integrasi PV 1 MWp di daerah dengan irradiance baik.

LOKASI PV

BUS1SKANG 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02

2SDRAP 0.98899 0.9904153 0.9899849 0.9893879 0.989264348 0.9959129 0.992478937 0.9929285 0.9906462 0.9891792 1 0.993138261

3SPENG 0.99426 1.0028794 0.994719 0.9944715 0.995588075 0.9967423 0.995511711 0.99566 0.9948711 0.9943586 0.9981683 0.995849831

4PPARE 0.99821 0.9985192 0.9984927 0.998335 0.998282454 0.9995924 0.999064742 1.0077654 1.0021623 0.9982455 1.0004098 0.999262141

5PRANG 1.01177 1.0119823 1.0119639 1.0118545 1.011817982 1.0127273 1.012361023 1.05 1.0145195 1.0117924 1.0132946 1.012498048

6PLMAS 1.01357 1.0137007 1.0136893 1.0136215 1.013598837 1.0141626 1.013935511 1.0176896 1.05 1.0135829 1.0145143 1.014020461

7BAKARU 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05

8MJENE 0.97968 0.979824 0.979812 0.9797411 0.979717481 0.9803066 0.980069299 0.9839914 1.0176883 0.9797009 0.9806741 0.980158069

9MMUJU 0.9717 0.9718369 0.9718248 0.9717532 0.971729361 0.9723241 0.972084527 0.9760438 1.0100483 0.9717126 0.9726951 0.972174141

10SUPPA 1 1 1 1 1 1 1 1 1 1 1 1

11PLTUBARRU 1 1 1 1 1 1 1 1 1 1 1 1

12BARRU 0.96465 0.9647446 0.9689485 0.9663635 0.964695717 0.9648497 0.982548999 0.9647562 0.9646844 0.9646486 0.964973 0.985137929

13PNKEP 0.90399 0.9042119 0.9176131 0.9093798 0.904079249 0.9046464 0.961403773 0.9043575 0.9041346 0.9040018 0.9050393 0.969538543

14PNKEP70 0.95673 0.9569928 0.9736607 0.9715635 0.956831822 0.957554 1.027680163 0.9571955 0.9569187 0.9567495 0.9580438 1.037601417

15TNASA 0.94793 0.9481977 0.9650212 0.9629047 0.948035219 0.9487642 1.01950861 0.9484024 0.9481229 0.9479521 0.9492587 1.029510279

16BOSOWA 0.89802 0.8982502 0.9123243 0.9035117 0.898112737 0.8987147 0.958359699 0.898412 0.8981784 0.8980375 0.8991272 0.966897189

17KIMA 0.89625 0.8964866 0.911549 0.9018516 0.896342692 0.8969972 0.960921154 0.8966746 0.8964255 0.8962722 0.8974386 0.970058193

18TELLO 0.89214 0.8923749 0.9090382 0.8979162 0.892220907 0.8929614 0.963814182 0.8926066 0.8923325 0.8921588 0.8934495 0.973918993

19PKANG 0.83829 0.8385399 0.8563916 0.8444828 0.838374648 0.8391692 1 0.8387885 0.8384944 0.838308 0.8396929 0.925405482

20TELLO70 0.96993 0.970248 0.9909683 1.0007613 0.970048875 0.9709521 1.057775554 0.9705063 0.9701621 0.9699504 0.9715617 1.069987013

21BRLOE 0.96267 0.9629919 0.9838706 0.9937361 0.962791231 0.9637015 1.0511443 0.9632522 0.9629053 0.962692 0.9643159 1.063434417

22MNDAI 0.96086 0.9611824 0.9819599 0.9923478 0.960982414 0.9618873 1.048888662 0.9614401 0.9610948 0.9608827 0.9624988 1.061115599

23DAYA 0.96691 0.9672393 0.9881884 1 0.967037849 0.9679508 1.055681183 0.9675 0.9671519 0.9669379 0.9685673 1.068011191

24TELLO30 0.89215 0.8923848 0.9090482 0.8979261 0.892230784 0.8929713 0.963824852 0.8926165 0.8923424 0.8921687 0.8934594 0.973929774

25BWAJA 0.89215 0.8923864 0.9090498 0.8979277 0.892232346 0.8929728 0.963826539 0.8926181 0.8923439 0.8921703 0.893461 0.97393148

26TLAMA 0.88601 0.8862479 0.9093658 0.8918904 0.886091 0.8868451 0.958877582 0.8864838 0.8862046 0.8860278 0.8873422 1

27TLAMA70 0.8803 0.8805771 1.0013786 0.8870833 0.880395975 0.8812664 0.963409417 0.8808494 0.8805271 0.880323 0.88184 1.009597784

28BNTLA 0.861 0.8612792 1 0.8679366 0.861093888 0.8619847 0.945869872 0.8615579 0.8612281 0.8610192 0.8625717 0.992903082

29SGMSA 0.90993 0.9101461 0.9217692 0.9140006 0.909991189 0.9108074 0.959831336 0.9104336 0.9101446 0.909953 0.9113262 0.966927549

30TBNGA 0.89735 0.8975657 0.9093612 0.9014779 0.897408479 0.8982369 0.947955378 0.8978576 0.8975642 0.8973697 0.8987635 0.955145651

31TLASA 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99

32MAROS 0.96608 0.9673938 0.9691566 0.9672271 0.966385129 0.9720052 0.97790968 0.9694649 0.9675131 0.9662406 0.9755051 0.979859623

33PGAYA 1 1 1 1 1 1 1 1 1 1 1 1

34JNPTO 0.9915 0.9945142 0.9915781 0.9915457 1 0.9917449 0.991610787 0.9916411 0.9915677 0.9915164 0.9918798 0.991673822

35BKMBA 0.97647 0.9912868 0.9767595 0.9766227 0.982768178 0.9776042 0.97699971 0.977112 0.9767592 0.97652 0.9782476 0.977238507

36SNJAI 0.97532 0.994934 0.975692 0.9755149 0.980571628 0.976814 0.976023551 0.9761657 0.9757003 0.9753861 0.9776621 0.976327389

37BONE 0.97426 1 0.9747219 0.9745006 0.978131383 0.9762049 0.975195056 0.9753635 0.9747574 0.9743517 0.9773075 0.975559038

38MKALE 0.94507 0.9458821 0.9456383 0.9453001 0.9452301 1.0266324 0.947051177 0.9473058 0.946013 0.9473305 0.9513106 0.947424646

39PLOPO 0.94263 0.9431955 0.9430247 0.9427879 0.942738865 1.05 0.944014029 0.9441923 0.9432871 0.9460536 0.9469961 0.944275525

40LTUPA 0.94958 0.9498312 0.9497547 0.9496486 0.949626597 0.997582 0.950198003 0.9502779 0.9498723 0.9541502 0.9515341 0.950315176

41PLTA POSO 1 1 1 1 1 1 1 1 1 1 1 1

42POMANA 275 0.98096 0.9809974 0.9809864 0.9809711 0.980967975 0.9878609 0.981050095 0.9810616 0.9810033 0.9865711 0.9812421 0.981066935

43POMANA 150 0.97859 0.9786277 0.9786167 0.9786013 0.978598125 0.9855384 0.978680819 0.9786924 0.9786337 0.9881618 0.9788742 0.978697776

44POSO 0.94966 0.9497 0.9496883 0.9496721 0.949668797 0.9569835 0.949756007 0.9497682 0.9497063 1 0.9499599 0.94977389

Pa

na

kuka

ng

Pin

ran

g

Po

lma

s

Po

so

Sid

rap

Ta

llo

La

ma

Bo

ne

Bo

nto

ala

Da

ya

Jen

ep

on

to

Pa

lop

o

NO

RM

AL

82

Gambar 26. Profil tegangan setelah pemasangan PV 1 MWp pada daerah yang memiliki irradiance baik.

0.8

0.85

0.9

0.95

1

1.05

1.1

BU

S

1SK

AN

G

2SD

RA

P

3SP

ENG

4P

PA

RE

5P

RA

NG

6P

LMA

S

7B

AK

AR

U

8M

JEN

E

9M

MU

JU

10

SUP

PA

11

PLT

UB

AR

RU

12

BA

RR

U

13

PN

KEP

14

PN

KEP

70

15

TNA

SA

16

BO

SOW

A

17

KIM

A

18

TELL

O

19

PK

AN

G

20

TELL

O7

0

21

BR

LOE

22

MN

DA

I

23

DA

YA

24

TELL

O3

0

25

BW

AJA

26

TLA

MA

27

TLA

MA

70

28

BN

TLA

29

SGM

SA

30

TBN

GA

31

TLA

SA

32

MA

RO

S

33

PG

AYA

34

JNP

TO

35

BK

MB

A

36

SNJA

I

37

BO

NE

38

MK

ALE

39

PLO

PO

40

LTU

PA

41

PLT

A P

OSO

42

PO

MA

NA

27

5

43

PO

MA

NA

15

0

44

PO

SO

Tega

nga

n (

p.u

)

NORMAL Bone Bontoala Daya

Jeneponto Palopo Panakukang Pinrang

Polmas Poso Sidrap Tallo Lama

83

Gambar 27. Profil tegangan apabila PV 1 MWp dipasang pada Tallo Lama dan Poso.

0.82

0.87

0.92

0.97

1.02

1.07

BU

S

1SK

AN

G

2SD

RA

P

3SP

ENG

4P

PA

RE

5P

RA

NG

6P

LMA

S

7B

AK

AR

U

8M

JEN

E

9M

MU

JU

10

SUP

PA

11

PLT

UB

AR

RU

12

BA

RR

U

13

PN

KEP

14

PN

KEP

70

15

TNA

SA

16

BO

SOW

A

17

KIM

A

18

TELL

O

19

PK

AN

G

20

TELL

O7

0

21

BR

LOE

22

MN

DA

I

23

DA

YA

24

TELL

O3

0

25

BW

AJA

26

TLA

MA

27

TLA

MA

70

28

BN

TLA

29

SGM

SA

30

TBN

GA

31

TLA

SA

32

MA

RO

S

33

PG

AYA

34

JNP

TO

35

BK

MB

A

36

SNJA

I

37

BO

NE

38

MK

ALE

39

PLO

PO

40

LTU

PA

41

PLT

A P

OSO

42

PO

MA

NA

27

5

43

PO

MA

NA

15

0

44

PO

SO

Tega

nga

n (

p.u

)

Tallo Lama Poso

84



dengan kapasitas 3 MWp ditempatkan di daerah-daerah dengan irradiance







yaitu Poso.

85

Tabel 14. Hasil simulasi aliran daya untuk integrasi PV 3 MWp Di daerah dengan irradiance baik

LOKASI PV

BUS

1SKANG 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02

2SDRAP 0.988988 0.990496 0.990219 0.989625 0.989424 0.995876 0.992692 0.993032 0.990758 0.989014 1 0.993333

3SPENG 0.994257 1.002944 0.994922 0.994677 0.99577 0.996787 0.995715 0.995772 0.994987 0.994358 0.99823 0.996033

4PPARE 0.998208 0.998549 0.998595 0.99844 0.99835 0.999583 0.999163 1.007806 1.002218 0.998211 1.000408 0.999352

5PRANG 1.011767 1.012003 1.012035 1.011928 1.011865 1.012721 1.01243 1.05 1.014569 1.011768 1.013293 1.01256

6PLMAS 1.013567 1.013714 1.013733 1.013667 1.013628 1.014159 1.013978 1.017715 1.05 1.013568 1.014513 1.014059

7BAKARU 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05

8MJENE 0.979684 0.979837 0.979858 0.979789 0.979748 0.980302 0.980114 0.984018 1.017688 0.979685 0.980673 0.980198

9MMUJU 0.971696 0.97185 0.971871 0.971801 0.97176 0.97232 0.972129 0.97607 1.010048 0.971697 0.972694 0.972215

10SUPPA 1 1 1 1 1 1 1 1 1 1 1 1

11PLTUBARRU 1 1 1 1 1 1 1 1 1 1 1 1

12BARRU 0.964645 0.964778 0.969219 0.966647 0.964779 0.964844 0.982649 0.964735 0.964663 0.96464 0.964969 0.98524

13PNKEP 0.903987 0.904267 0.91828 0.910078 0.904216 0.904636 0.961511 0.90434 0.904117 0.90398 0.905033 0.969674

14PNKEP70 0.956731 0.957052 0.974449 0.971612 0.956977 0.957543 1.027771 0.957184 0.956907 0.956723 0.958037 1.037729

15TNASA 0.947933 0.948257 0.965817 0.962953 0.948182 0.948753 1.0196 0.94839 0.948111 0.947925 0.949252 1.029639

16BOSOWA 0.898022 0.898304 0.913008 0.904225 0.898246 0.898705 0.958456 0.898398 0.898165 0.898015 0.899121 0.967024

17KIMA 0.896255 0.896537 0.912255 0.902582 0.896467 0.896988 0.960997 0.896666 0.896418 0.896249 0.897433 0.97017

18TELLO 0.892139 0.89242 0.909778 0.898674 0.89233 0.892952 0.963854 0.892608 0.892335 0.892134 0.893444 0.974003

19PKANG 0.838287 0.838588 0.857182 0.845296 0.838492 0.839159 1 0.83879 0.838497 0.838282 0.839687 0.925494

20TELLO70 0.969927 0.970318 0.991938 1.000685 0.970223 0.970939 1.05788 0.970494 0.970151 0.969918 0.971553 1.070139

21BRLOE 0.962668 0.963063 0.984848 0.993659 0.962967 0.963688 1.05125 0.96324 0.962894 0.962659 0.964307 1.063587

22MNDAI 0.960859 0.961254 0.982935 0.992356 0.961159 0.961874 1.048995 0.961427 0.961083 0.96085 0.96249 1.061269

23DAYA 0.966914 0.967311 0.98917 1 0.967214 0.967937 1.055788 0.967488 0.96714 0.966905 0.968559 1.068165

24TELLO30 0.892149 0.89243 0.909788 0.898684 0.89234 0.892962 0.963865 0.892618 0.892345 0.892144 0.893454 0.974014

25BWAJA 0.89215 0.892431 0.909789 0.898686 0.892342 0.892964 0.963866 0.89262 0.892346 0.892146 0.893456 0.974016

26TLAMA 0.886007 0.886294 0.910269 0.892662 0.886203 0.886836 0.958918 0.886486 0.886207 0.886003 0.887337 1

27TLAMA70 0.8803 0.88063 1.000995 0.887972 0.880525 0.881256 0.963455 0.880851 0.88053 0.880294 0.881834 1.009598

28BNTLA 0.860995 0.861333 1 0.868846 0.861226 0.861974 0.945916 0.86156 0.861231 0.86099 0.862566 0.992903

29SGMSA 0.90993 0.910175 0.922364 0.914608 0.910058 0.9108 0.959941 0.910454 0.910167 0.909929 0.911324 0.96706

30TBNGA 0.897347 0.897595 0.909964 0.902094 0.897477 0.89823 0.948067 0.897879 0.897586 0.897346 0.898761 0.95528

31TLASA 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99

32MAROS 0.966081 0.967512 0.969609 0.967681 0.966648 0.971967 0.97827 0.969579 0.967635 0.966092 0.975498 0.980193

33PGAYA 1 1 1 1 1 1 1 1 1 1 1 1

34JNPTO 0.991504 0.994493 0.991635 0.991603 1 0.991754 0.991671 0.991663 0.991591 0.991521 0.99189 0.991728

35BKMBA 0.976466 0.991258 0.976957 0.976821 0.982954 0.977637 0.977205 0.977195 0.976845 0.976532 0.978288 0.977422

36SNJAI 0.975316 0.994908 0.975939 0.975763 0.980824 0.976856 0.976279 0.976271 0.975809 0.9754 0.977714 0.976557

37BONE 0.974264 1 0.975005 0.974785 0.978431 0.976255 0.975487 0.975489 0.974887 0.974366 0.977371 0.975821

38MKALE 0.945074 0.945928 0.945771 0.945434 0.94532 1.026118 0.947172 0.947365 0.946076 0.945464 0.951311 0.947535

39PLOPO 0.942629 0.943228 0.943118 0.942882 0.942802 1.05 0.944099 0.944234 0.943331 0.944458 0.946996 0.944353

40LTUPA 0.949577 0.949846 0.949796 0.949691 0.949655 0.997582 0.950236 0.950296 0.949892 0.952802 0.951534 0.95035

41PLTA POSO 1 1 1 1 1 1 1 1 1 1 1 1

42POMANA 275 0.980961 0.980999 0.980992 0.980977 0.980972 0.987861 0.981056 0.981064 0.981006 0.98642 0.981242 0.981072

43POMANA 150 0.978591 0.97863 0.978623 0.978607 0.978602 0.985538 0.978686 0.978695 0.978637 0.988032 0.978874 0.978703

44POSO 0.949661 0.949702 0.949695 0.949679 0.949673 0.956983 0.949762 0.949771 0.949709 1 0.94996 0.949779

Pa

na

kuka

ng

Pin

ran

g

Po

lma

s

Po

so

Sid

rap

Ta

llo

La

ma

Bo

ne

Bo

nto

ala

Da

ya

Jen

ep

on

to

Pa

lop

o

NO

RM

AL

86


0.8

0.85

0.9

0.95

1

1.05

1.1

BU

S

1SK

AN

G

2SD

RA

P

3SP

ENG

4P

PA

RE

5P

RA

NG

6P

LMA

S

7B

AK

AR

U

8M

JEN

E

9M

MU

JU

10

SUP

PA

11

PLT

UB

AR

RU

12

BA

RR

U

13

PN

KEP

14

PN

KEP

70

15

TNA

SA

16

BO

SOW

A

17

KIM

A

18

TELL

O

19

PK

AN

G

20

TELL

O7

0

21

BR

LOE

22

MN

DA

I

23

DA

YA

24

TELL

O3

0

25

BW

AJA

26

TLA

MA

27

TLA

MA

70

28

BN

TLA

29

SGM

SA

30

TBN

GA

31

TLA

SA

32

MA

RO

S

33

PG

AYA

34

JNP

TO

35

BK

MB

A

36

SNJA

I

3

7B

ON

E

38

MK

ALE

39

PLO

PO

40

LTU

PA

41

PLT

A P

OSO

42

PO

MA

NA

27

5

43

PO

MA

NA

15

0

44

PO

SO

Tega

nga

n (

p.u

)

NORMAL Bone Bontoala DayaJeneponto Palopo Panakukang PinrangPolmas Poso Sidrap Tallo Lama

87


0.82

0.87

0.92

0.97

1.02

1.07

BU

S

1SK

AN

G

2SD

RA

P

3SP

ENG

4P

PA

RE

5P

RA

NG

6P

LMA

S

7B

AK

AR

U

8M

JEN

E

9M

MU

JU

10

SUP

PA

11

PLT

UB

AR

RU

12

BA

RR

U

13

PN

KEP

14

PN

KEP

70

15

TNA

SA

16

BO

SOW

A

17

KIM

A

18

TELL

O

19

PK

AN

G

20

TELL

O7

0

21

BR

LOE

22

MN

DA

I

23

DA

YA

24

TELL

O3

0

25

BW

AJA

26

TLA

MA

27

TLA

MA

70

28

BN

TLA

29

SGM

SA

30

TBN

GA

31

TLA

SA

32

MA

RO

S

33

PG

AYA

34

JNP

TO

35

BK

MB

A

36

SNJA

I

3

7B

ON

E

38

MK

ALE

39

PLO

PO

40

LTU

PA

41

PLT

A P

OSO

42

PO

MA

NA

27

5

43

PO

MA

NA

15

0

44

PO

SO

Tega

nga

n (

p.u

)

Tallo Lama Poso

88



dengan kapasitas 5 MWp ditempatkan di daerah-daerah dengan irradiance







yaitu Poso.

89

Tabel 15. Hasil simulasi aliran daya untuk integrasi PV 5 MWp di daerah dengan irradiance yang baik.

LOKASI PV

BUS

1SKANG 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02

2SDRAP 0.988988 0.9905759 0.9904484 0.9898575 0.989581 0.9958319 0.9929011 0.9931339 0.9908667 0.9888328 1 0.9935239

3SPENG 0.9942568 1.0030036 0.9951207 0.9948777 0.9959465 0.9968293 0.9959142 0.9958819 0.9951016 0.9943504 0.9982907 0.9962138

4PPARE 0.9982084 0.9985787 0.9986947 0.9985441 0.9984162 0.9995725 0.9992607 1.0078463 1.0022724 0.9981726 1.0004059 0.9994404

5PRANG 1.0117665 1.0120236 1.0121042 1.0119996 1.0119108 1.0127135 1.012497 1.05 1.0146168 1.0117417 1.013292 1.0126218

6PLMAS 1.0135669 1.0137263 1.0137763 1.0137114 1.0136564 1.014154 1.0140198 1.0177396 1.05 1.0135515 1.0145127 1.0140972

7BAKARU 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05

8MJENE 0.9796842 0.9798507 0.9799029 0.9798352 0.9797776 0.9802976 0.9801574 0.9840436 1.0176883 0.9796681 0.9806724 0.9802382

9MMUJU 0.9716957 0.9718638 0.9719165 0.9718482 0.9717901 0.972315 0.9721735 0.9760965 1.0100483 0.9716795 0.9726933 0.9722551

10SUPPA 1 1 1 1 1 1 1 1 1 1 1 1

11PLTUBARRU 1 1 1 1 1 1 1 1 1 1 1 1

12BARRU 0.9646453 0.9648104 0.9694817 0.9669237 0.9648615 0.964839 0.982746 0.9647141 0.9646416 0.96463 0.9649643 0.9853408

13PNKEP 0.9039873 0.9043214 0.918926 0.9107593 0.9043499 0.9046258 0.9616137 0.9043225 0.9040998 0.9039559 0.9050258 0.9698068

14PNKEP70 0.9567306 0.9571097 0.9752132 0.9716348 0.957119 0.9575309 1.0278552 0.9571712 0.9568951 0.9566948 0.9580297 1.0378548

15TNASA 0.947933 0.9483157 0.9665879 0.9629767 0.9483251 0.948741 1.019685 0.9483778 0.9480991 0.9478969 0.9492445 1.0297657

16BOSOWA 0.8980219 0.8983568 0.9136717 0.904921 0.8983756 0.8986941 0.9585473 0.8983835 0.8981503 0.8979903 0.8991142 0.9671494

17KIMA 0.8962549 0.8965869 0.9129391 0.9032958 0.8965887 0.8969771 0.9610675 0.8966577 0.8964094 0.8962235 0.8974266 0.9702794

18TELLO 0.8921389 0.8924641 0.9104933 0.8994157 0.8924368 0.8929421 0.963889 0.8926096 0.8923369 0.8921079 0.8934393 0.9740857

19PKANG 0.8382866 0.8386356 0.8579478 0.8460899 0.8386063 0.8391485 1 0.8387918 0.8384991 0.8382534 0.839682 0.9255819

20TELLO70 0.9699266 0.9703881 0.9928782 1.0006029 0.9703927 0.9709241 1.0579783 0.9704816 0.9701384 0.969883 0.9715449 1.0702887

21BRLOE 0.962668 0.9631331 0.9857948 0.9935765 0.9631377 0.9636733 1.0513484 0.9632274 0.9628815 0.9626241 0.964299 1.0637381

22MNDAI 0.9608589 0.9613242 0.9838791 0.9923587 0.9613305 0.9618591 1.0490958 0.9614141 0.9610698 0.960815 0.9624818 1.0614212

23DAYA 0.9669139 0.9673815 0.9901208 1 0.9673868 0.9679224 1.0558876 0.9674746 0.9671275 0.9668697 0.9685503 1.0683172

24TELLO30 0.8921487 0.8924739 0.9105034 0.8994256 0.8924467 0.892952 0.9638997 0.8926195 0.8923467 0.8921178 0.8934492 0.9740965

25BWAJA 0.8921503 0.8924755 0.910505 0.8994272 0.8924482 0.8929535 0.9639014 0.8926211 0.8923483 0.8921194 0.8934508 0.9740982

26TLAMA 0.8860074 0.8863386 0.9111427 0.8934169 0.8863109 0.8868255 0.9589535 0.8864869 0.8862091 0.8859759 0.8873319 1

27TLAMA70 0.8802995 0.8806818 1.0005929 0.8888412 0.8806498 0.8812437 0.9634951 0.8808529 0.8805323 0.8802631 0.8818281 1.0095978

28BNTLA 0.8609952 0.8613864 1 0.8697349 0.8613536 0.8619615 0.9459572 0.8615615 0.8612334 0.8609579 0.8625595 0.9929031

29SGMSA 0.9099302 0.9102027 0.9229408 0.9152026 0.9101228 0.910792 0.9600462 0.9104747 0.910188 0.9099039 0.9113208 0.9671901

30TBNGA 0.8973466 0.8976232 0.9105499 0.9026978 0.897542 0.8982213 0.9481731 0.8978992 0.8976083 0.8973199 0.8987581 0.9554117

31TLASA 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99

32MAROS 0.9660808 0.9676291 0.9700511 0.9681267 0.9669073 0.9719226 0.9786233 0.969692 0.9677547 0.9659308 0.9754912 0.980521

33PGAYA 1 1 1 1 1 1 1 1 1 1 1 1

34JNPTO 0.991504 0.9944712 0.9916913 0.9916591 1 0.9917621 0.9917292 0.9916854 0.9916134 0.9915245 0.9919008 0.9917801

35BKMBA 0.9764662 0.9912276 0.9771481 0.9770132 0.9831338 0.9776684 0.9774036 0.9772767 0.9769296 0.976541 0.9783289 0.9776008

37BONE 0.9753162 1 0.9761793 0.9760044 0.981069 0.9768956 0.9765284 0.9763747 0.9759166 0.9754106 0.9777661 0.9767809

36SNJAI 0.9742638 0.9948808 0.9752818 0.9750633 0.9787217 0.976302 0.9757719 0.9756121 0.9750148 0.9743748 0.9774333 0.9760783

38MKALE 0.9450736 0.9459731 0.9459009 0.9455661 0.9454095 1.0255822 0.9472903 0.9474222 0.9461379 0.9434871 0.9513106 0.9476431

39PLOPO 0.9426292 0.9432592 0.9432086 0.9429742 0.9428645 1.05 0.9441815 0.9442738 0.9433745 0.9427577 0.9469961 0.9444285

40LTUPA 0.9495775 0.9498597 0.9498371 0.949732 0.9496829 0.997582 0.950273 0.9503144 0.9499114 0.9513926 0.9515341 0.9503837

41PLTA POSO 1 1 1 1 1 1 1 1 1 1 1 1

42POMANA 275 0.9809609 0.9810015 0.9809982 0.9809831 0.9809761 0.9878609 0.9810609 0.9810668 0.9810089 0.9862592 0.9812421 0.9810768

43POMANA 150 0.978591 0.9786319 0.9786286 0.9786134 0.9786063 0.9855384 0.9786917 0.9786977 0.9786393 0.9878917 0.9788742 0.9787077

44POSO 0.9496613 0.9497044 0.9497009 0.9496849 0.9496774 0.9569835 0.9497675 0.9497738 0.9497123 1 0.9499599 0.9497844

Pa

na

ku

ka

ng

Pin

ran

g

Po

lma

s

Po

so

Sid

rap

Ta

llo

La

ma

Bo

ne

Bo

nto

ala

Da

ya

Jen

ep

on

to

Pa

lop

o

NO

RM

AL

90


0.8

0.85

0.9

0.95

1

1.05

1.1

BU

S

1SK

AN

G

2SD

RA

P

3SP

ENG

4P

PA

RE

5P

RA

NG

6P

LMA

S

7B

AK

AR

U

8M

JEN

E

9M

MU

JU

10

SUP

PA

11

PLT

UB

AR

RU

12

BA

RR

U

13

PN

KEP

14

PN

KEP

70

15

TNA

SA

16

BO

SOW

A

17

KIM

A

18

TELL

O

19

PK

AN

G

20

TELL

O7

0

21

BR

LOE

22

MN

DA

I

23

DA

YA

24

TELL

O3

0

25

BW

AJA

26

TLA

MA

27

TLA

MA

70

28

BN

TLA

29

SGM

SA

30

TBN

GA

31

TLA

SA

32

MA

RO

S

33

PG

AYA

34

JNP

TO

35

BK

MB

A

37

BO

NE

36

SNJA

I

38

MK

ALE

39

PLO

PO

40

LTU

PA

41

PLT

A P

OSO

42

PO

MA

NA

27

5

43

PO

MA

NA

15

0

44

PO

SO

Tega

nga

n (

p.u

)

NORMAL Bone Bontoala Daya Jeneponto Palopo

Panakukang Pinrang Polmas Poso Sidrap Tallo Lama

91

Gambar 31. Profil tegangan apabila PV 5 MWp dipasang pada Tallo Lama dan Poso

0.8

0.85

0.9

0.95

1

1.05

1.1

BU

S

1SK

AN

G

2SD

RA

P

3SP

ENG

4P

PA

RE

5P

RA

NG

6P

LMA

S

7B

AK

AR

U

8M

JEN

E

9M

MU

JU

10

SUP

PA

11

PLT

UB

AR

RU

12

BA

RR

U

13

PN

KEP

14

PN

KEP

70

15

TNA

SA

16

BO

SOW

A

17

KIM

A

18

TELL

O

19

PK

AN

G

20

TELL

O7

0

21

BR

LOE

22

MN

DA

I

23

DA

YA

24

TELL

O3

0

25

BW

AJA

26

TLA

MA

27

TLA

MA

70

28

BN

TLA

29

SGM

SA

30

TBN

GA

31

TLA

SA

32

MA

RO

S

33

PG

AYA

34

JNP

TO

35

BK

MB

A

37

BO

NE

36

SNJA

I

38

MK

ALE

39

PLO

PO

40

LTU

PA

41

PLT

A P

OSO

42

PO

MA

NA

27

5

43

PO

MA

NA

15

0

44

PO

SO

Tega

nga

n (

p.u

)

Tallo Lama Poso

92



dengan kapasitas 10 MWp ditempatkan di daerah-daerah dengan

irradiance yang baik. Adapun gambar profil diperlihatkan pada Gambar 32.






yaitu Poso.

93

Tabel 16. Hasil simulasi aliran daya untuk integrasi PV 10 MWp di daerah dengan irradiance yang baik

LOKASI PV

NO

RM

AL

BO

NE

BO

NTO

ALA

DA

YA

JEN

EPO

NTO

PALO

PO

PAN

AKU

KAN

G

PIN

RA

NG

POLM

AS

POSO

SID

RA

P

TALL

O L

AM

A

BUS

1SKANG 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02

2SDRAP 0.98899 0.9908 0.991 0.9904 0.99 0.996 0.9934 0.993 0.9911 0.9883 1 0.994

3SPENG 0.99426 1.0031 0.9956 0.9954 0.9964 0.997 0.9964 0.996 0.9954 0.9943 0.9984 0.9967

4PPARE 0.99821 0.9987 0.9989 0.9988 0.9986 1 0.9995 1.008 1.0024 0.9981 1.0004 0.9997

5PRANG 1.01177 1.0121 1.0123 1.0122 1.012 1.013 1.0127 1.05 1.0147 1.0117 1.0133 1.0128

6PLMAS 1.01357 1.0138 1.0139 1.0138 1.0137 1.014 1.0141 1.018 1.05 1.0135 1.0145 1.0142

7BAKARU 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05

8MJENE 0.97968 0.9799 0.98 0.9799 0.9799 0.98 0.9803 0.984 1.0177 0.9796 0.9807 0.9803

9MMUJU 0.9717 0.9719 0.972 0.972 0.9719 0.972 0.9723 0.976 1.01 0.9716 0.9727 0.9724

10SUPPA 1 1 1 1 1 1 1 1 1 1 1 1

11PLTUBARRU 1 1 1 1 1 1 1 1 1 1 1 1

12BARRU 0.96465 0.9649 0.9701 0.9676 0.9651 0.965 0.983 0.965 0.9646 0.9646 0.965 0.9856

13PNKEP 0.90399 0.9045 0.9205 0.9124 0.9047 0.905 0.9618 0.904 0.9041 0.9039 0.905 0.9701

14PNKEP70 0.95673 0.9573 0.977 0.9716 0.9575 0.957 1.028 0.957 0.9569 0.9566 0.958 1.0382

15TNASA 0.94793 0.9485 0.9684 0.9629 0.9487 0.949 1.0199 0.948 0.9481 0.9478 0.9492 1.0301

16BOSOWA 0.89802 0.8985 0.9152 0.9066 0.8987 0.899 0.9588 0.898 0.8981 0.8979 0.8991 0.9675

17KIMA 0.89625 0.8967 0.9146 0.905 0.8969 0.897 0.9612 0.897 0.8964 0.8962 0.8974 0.9705

18TELLO 0.89214 0.8926 0.9122 0.9012 0.8927 0.893 0.964 0.893 0.8923 0.892 0.8934 0.9743

19PKANG 0.83829 0.8388 0.8598 0.848 0.8389 0.839 1 0.839 0.8385 0.8382 0.8397 0.9258

20TELLO70 0.96993 0.9706 0.9951 1.0004 0.9708 0.971 1.0582 0.97 0.9701 0.9698 0.9715 1.0707

21BRLOE 0.96267 0.9633 0.988 0.9933 0.9635 0.964 1.0516 0.963 0.9628 0.9625 0.9643 1.0641

22MNDAI 0.96086 0.9615 0.9861 0.9923 0.9617 0.962 1.0493 0.961 0.961 0.9607 0.9625 1.0618

23DAYA 0.96691 0.9676 0.9924 1 0.9678 0.968 1.0561 0.967 0.9671 0.9668 0.9685 1.0687

24TELLO30 0.89215 0.8926 0.9122 0.9012 0.8927 0.893 0.964 0.893 0.8923 0.892 0.8934 0.9743

25BWAJA 0.89215 0.8926 0.9122 0.9012 0.8927 0.893 0.964 0.893 0.8924 0.892 0.8934 0.9743

26TLAMA 0.88601 0.8864 0.9132 0.8952 0.8866 0.887 0.959 0.886 0.8862 0.8859 0.8873 1

27TLAMA70 0.8803 0.8808 0.9995 0.8909 0.8809 0.881 0.9636 0.881 0.8805 0.8802 0.8818 1.0096

28BNTLA 0.861 0.8615 1 0.8719 0.8617 0.862 0.946 0.862 0.8612 0.8609 0.8625 0.9929

29SGMSA 0.90993 0.9103 0.9243 0.9166 0.9103 0.911 0.9603 0.911 0.9102 0.9098 0.9113 0.9675

30TBNGA 0.89735 0.8977 0.9119 0.9042 0.8977 0.898 0.9484 0.898 0.8977 0.8972 0.8988 0.9557

31TLASA 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99

32MAROS 0.96608 0.9679 0.9711 0.9692 0.9675 0.972 0.9795 0.97 0.968 0.9655 0.9755 0.9813

33PGAYA 1 1 1 1 1 1 1 1 1 1 1 1

34JNPTO 0.9915 0.9944 0.9918 0.9918 1 0.992 0.9919 0.992 0.9917 0.9915 0.9919 0.9919

35BKMBA 0.97647 0.9911 0.9776 0.9775 0.9836 0.978 0.9779 0.977 0.9771 0.9766 0.9784 0.978

36SNJAI 0.97532 0.9948 0.9768 0.9766 0.9816 0.977 0.9771 0.977 0.9762 0.9754 0.9779 0.9773

37BONE 0.97426 1 0.9759 0.9757 0.9794 0.976 0.9765 0.976 0.9753 0.9744 0.9776 0.9767

38MKALE 0.94507 0.9461 0.9462 0.9459 0.9456 1.024 0.9476 0.948 0.9463 0.938 0.9513 0.9479

39PLOPO 0.94263 0.9433 0.9434 0.9432 0.943 1.05 0.9444 0.944 0.9435 0.938 0.947 0.9446

40LTUPA 0.94958 0.9499 0.9499 0.9498 0.9498 0.998 0.9504 0.95 0.95 0.9476 0.9515 0.9505

41PLTA POSO 1 1 1 1 1 1 1 1 1 1 1 1

42POMANA 275 0.98096 0.981 0.981 0.981 0.981 0.988 0.9811 0.981 0.981 0.9858 0.9812 0.9811

43POMANA 150 0.97859 0.9786 0.9786 0.9786 0.9786 0.986 0.9787 0.979 0.9786 0.9875 0.9789 0.9787

44POSO 0.94966 0.9497 0.9497 0.9497 0.9497 0.957 0.9498 0.95 0.9497 1 0.95 0.9498

Tegangan ( p.u )

94


0.8

0.85

0.9

0.95

1

1.05

1.1

1SK

AN

G

2SD

RA

P

3SP

ENG

4P

PA

RE

5P

RA

NG

6P

LMA

S

7B

AK

AR

U

8M

JEN

E

9M

MU

JU

10

SUP

PA

11

PLT

UB

AR

RU

12

BA

RR

U

13

PN

KEP

14

PN

KEP

70

15

TNA

SA

16

BO

SOW

A

17

KIM

A

18

TELL

O

19

PK

AN

G

20

TELL

O7

0

21

BR

LOE

22

MN

DA

I

23

DA

YA

24

TELL

O3

0

25

BW

AJA

26

TLA

MA

27

TLA

MA

70

28

BN

TLA

29

SGM

SA

30

TBN

GA

31

TLA

SA

32

MA

RO

S

33

PG

AY

A

34

JNP

TO

35

BK

MB

A

36

SNJA

I

37

BO

NE

38

MK

ALE

39

PLO

PO

40

LTU

PA

41

PLT

A P

OSO

42

PO

MA

NA

27

5

43

PO

MA

NA

15

0

44

PO

SO

Tega

nga

n (

p.u

)

NORMAL BONE BONTOALA DAYAJENEPONTO PALOPO PANAKUKANG PINRANGPOLMAS POSO SIDRAP TALLO LAMA

95


0.8

0.85

0.9

0.95

1

1.05

1.1

1SK

AN

G

2SD

RA

P

3SP

ENG

4P

PA

RE

5P

RA

NG

6P

LMA

S

7B

AK

AR

U

8M

JEN

E

9M

MU

JU

10

SUP

PA

11

PLT

UB

AR

RU

12

BA

RR

U

13

PN

KEP

14

PN

KEP

70

15

TNA

SA

16

BO

SOW

A

17

KIM

A

18

TELL

O

19

PK

AN

G

20

TELL

O7

0

21

BR

LOE

22

MN

DA

I

23

DA

YA

24

TELL

O3

0

25

BW

AJA

26

TLA

MA

27

TLA

MA

70

28

BN

TLA

29

SGM

SA

30

TBN

GA

31

TLA

SA

32

MA

RO

S

33

PG

AY

A

34

JNP

TO

35

BK

MB

A

36

SNJA

I

37

BO

NE

38

MK

ALE

39

PLO

PO

40

LTU

PA

41

PLT

A P

OSO

42

PO

MA

NA

27

5

43

PO

MA

NA

15

0

44

PO

SO

Tega

nga

n (

p.u

)

POSO TALLO LAMA

96










yaitu Poso.

97

Tabel 17. Hasil simulasi aliran daya untuk integrasi PV 15 MWp di daerah dengan irradiance yang baik

LOKASI PV

BUS

1SKANG 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02

2SDRAP 0.988988 0.9909557 0.9915264 0.9909549 0.9903311 0.9955 0.9938851 0.9936086 0.9913737 0.9876792 1 0.9944373

3SPENG 0.9942568 1.003244 0.9960494 0.9958196 0.9967639 0.996992 0.9968445 0.9964119 0.9956499 0.9942157 0.9985904 0.9970673

4PPARE 0.9982084 0.998722 0.9991723 0.9990395 0.9987378 0.9994972 0.9997249 1.0080321 1.0025232 0.9979327 1.0003963 0.9998683

5PRANG 1.0117665 1.0121231 1.0124357 1.0123435 1.0121341 1.0126612 1.0128193 1.05 1.0148378 1.0115752 1.0132853 1.0129188

6PLMAS 1.0135669 1.013788 1.0139818 1.0139247 1.0137948 1.0141216 1.0142196 1.0178557 1.05 1.0134483 1.0145085 1.0142813

7BAKARU 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05

8MJENE 0.9796842 0.9799151 0.9801177 0.980058 0.9799223 0.9802638 0.9803662 0.984165 1.0176883 0.9795602 0.9806681 0.9804306

9MMUJU 0.9716957 0.9719289 0.9721334 0.9720731 0.9719361 0.9722808 0.9723842 0.976219 1.0100483 0.9715706 0.972689 0.9724493

10SUPPA 1 1 1 1 1 1 1 1 1 1 1 1

11PLTUBARRU 1 1 1 1 1 1 1 1 1 1 1 1

12BARRU 0.9646453 0.9649706 0.9706959 0.9682254 0.9652546 0.9648086 0.9831978 0.9646062 0.9645319 0.9645755 0.9649424 0.9858286

13PNKEP 0.9039873 0.9045848 0.9218698 0.9139372 0.9049758 0.9045622 0.962053 0.9042278 0.9040052 0.9038141 0.9049917 0.9704459

14PNKEP70 0.9567306 0.9573898 0.9786785 0.9713926 0.9577764 0.9574581 1.0281951 0.9571016 0.9568267 0.9565241 0.9579942 1.0384542

15TNASA 0.947933 0.9485985 0.9700847 0.9627323 0.9489888 0.9486674 1.0200278 0.9483076 0.9480301 0.9477246 0.9492087 1.0303699

16BOSOWA 0.8980219 0.898613 0.9166884 0.908169 0.8989813 0.89863 0.9589302 0.8983046 0.898072 0.897844 0.8990814 0.9677494

17KIMA 0.8962549 0.8968273 0.9160444 0.9066264 0.8971512 0.8969131 0.9613475 0.8966075 0.8963606 0.8960714 0.8973964 0.9708041

18TELLO 0.8921389 0.8926761 0.9137332 0.9028776 0.8929231 0.8928786 0.963992 0.8926088 0.8923388 0.8919467 0.8934138 0.974479

19PKANG 0.8382866 0.8388631 0.8614113 0.8497984 0.8391281 0.8390804 1 0.8387909 0.8385012 0.8380804 0.8396546 0.9259982

20TELLO70 0.9699266 0.9707242 0.9971458 1.0001002 0.9711814 0.9708352 1.0583748 0.9704095 0.9700681 0.9696724 0.9715028 1.0710091

21BRLOE 0.962668 0.9634718 0.990094 0.9930701 0.9639326 0.9635837 1.0517475 0.9631547 0.9628106 0.9624118 0.9642565 1.064463

22MNDAI 0.9608589 0.9616644 0.9881675 0.992296 0.9621293 0.9617696 1.0495021 0.9613386 0.960996 0.9606033 0.9624391 1.0621505

23DAYA 0.9669139 0.9677226 0.9944385 1 0.9681875 0.9678324 1.0562916 0.9674003 0.9670551 0.9666565 0.9685075 1.0690477

24TELLO30 0.8921487 0.892686 0.9137433 0.9028876 0.892933 0.8928885 0.9640027 0.8926187 0.8923487 0.8919566 0.8934237 0.9744898

25BWAJA 0.8921503 0.8926876 0.9137449 0.9028892 0.8929345 0.89289 0.9640043 0.8926202 0.8923503 0.8919582 0.8934252 0.9744915

26TLAMA 0.8860074 0.8865546 0.9150776 0.896941 0.8868061 0.8867608 0.9590581 0.886486 0.8862111 0.8858118 0.8873058 1

27TLAMA70 0.8802995 0.8809311 0.9983022 0.8928955 0.8812213 0.8811691 0.9636131 0.880852 0.8805346 0.8800736 0.881798 1.0095978

28BNTLA 0.8609952 0.8616416 1 0.8738818 0.8619386 0.8618851 0.9460775 0.8615606 0.8612358 0.860764 0.8625287 0.9929031

29SGMSA 0.9099302 0.9103344 0.9255734 0.9179888 0.9104028 0.9107372 0.960506 0.910569 0.9102874 0.9097448 0.9113073 0.9678171

30TBNGA 0.8973466 0.8977569 0.9132208 0.9055253 0.8978263 0.8981657 0.9486391 0.8979949 0.8977092 0.8971583 0.8987443 0.9560469

31TLASA 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99

32MAROS 0.9660808 0.968193 0.9721253 0.9702324 0.9681454 0.9716059 0.9802872 0.9702242 0.9683182 0.9649106 0.9754565 0.9820929

33PGAYA 1 1 1 1 1 1 1 1 1 1 1 1

34JNPTO 0.991504 0.9943564 0.9919495 0.9919182 1 0.9917995 0.9919988 0.991792 0.9917231 0.9915332 0.9919525 0.9920257

35BKMBA 0.9764662 0.9910617 0.978027 0.9778981 0.983933 0.9778025 0.9783156 0.9776712 0.9773366 0.9765397 0.9785285 0.9784313

36SNJAI 0.9753162 0.994734 0.9772898 0.9771221 0.982175 0.9770648 0.9776774 0.976876 0.9764337 0.9754014 0.9780213 0.9778286

37BONE 0.9742638 1 0.9765685 0.9763588 0.9800553 0.9765003 0.9770961 0.9762086 0.9756303 0.9743415 0.9777421 0.9772878

38MKALE 0.9450736 0.9461883 0.9465116 0.9461878 0.9458345 1.0225682 0.9478477 0.947691 0.9464251 0.9318235 0.9513106 0.9481604

39PLOPO 0.9426292 0.9434098 0.9436362 0.9434095 0.9431621 1.05 0.9445717 0.944462 0.9435756 0.9325645 0.9469961 0.9447907

40LTUPA 0.9495775 0.9499273 0.9500287 0.9499271 0.9498162 0.997582 0.9504479 0.9503988 0.9500016 0.9433579 0.9515341 0.950546

41PLTA POSO 1 1 1 1 1 1 1 1 1 1 1 1

42POMANA 275 0.9809609 0.9810112 0.9810258 0.9810112 0.9809952 0.9878609 0.981086 0.9810789 0.9810219 0.9853031 0.9812421 0.9811001

43POMANA 150 0.978591 0.9786416 0.9786563 0.9786416 0.9786256 0.9855384 0.978717 0.9787099 0.9786524 0.9870423 0.9788742 0.9787312

44POSO 0.9496613 0.9497147 0.9497302 0.9497147 0.9496977 0.9569835 0.9497941 0.9497866 0.949726 1 0.9499599 0.9498091

Pa

na

kuka

ng

Pin

ran

g

Po

lma

s

Po

so

Sid

rap

Ta

llo

La

ma

Bo

ne

Bo

nto

ala

Da

ya

Jen

ep

on

to

Pa

lop

o

NO

RM

AL

98


0.8

0.85

0.9

0.95

1

1.05

1.1

BU

S

1SK

AN

G

2SD

RA

P

3SP

ENG

4P

PA

RE

5P

RA

NG

6P

LMA

S

7B

AK

AR

U

8M

JEN

E

9M

MU

JU

10

SUP

PA

11

PLT

UB

AR

RU

12

BA

RR

U

13

PN

KEP

14

PN

KEP

70

15

TNA

SA

16

BO

SOW

A

17

KIM

A

18

TELL

O

19

PK

AN

G

20

TELL

O7

0

21

BR

LOE

22

MN

DA

I

23

DA

YA

24

TELL

O3

0

25

BW

AJA

26

TLA

MA

27

TLA

MA

70

28

BN

TLA

29

SGM

SA

30

TBN

GA

31

TLA

SA

32

MA

RO

S

33

PG

AY

A

34

JNP

TO

35

BK

MB

A

36

SNJA

I

37

BO

NE

38

MK

ALE

39

PLO

PO

40

LTU

PA

41

PLT

A P

OSO

42

PO

MA

NA

27

5

43

PO

MA

NA

15

0

44

PO

SO

PV

-Sen

siti

vita

s



99


0.8

0.85

0.9

0.95

1

1.05

1.1

BU

S

1SK

AN

G

2SD

RA

P

3SP

ENG

4P

PA

RE

5P

RA

NG

6P

LMA

S

7B

AK

AR

U

8M

JEN

E

9M

MU

JU

10

SUP

PA

11

PLT

UB

AR

RU

12

BA

RR

U

13

PN

KEP

14

PN

KEP

70

15

TNA

SA

16

BO

SOW

A

17

KIM

A

18

TELL

O

19

PK

AN

G

20

TELL

O7

0

21

BR

LOE

22

MN

DA

I

23

DA

YA

24

TELL

O3

0

25

BW

AJA

26

TLA

MA

27

TLA

MA

70

28

BN

TLA

29

SGM

SA

30

TBN

GA

31

TLA

SA

32

MA

RO

S

33

PG

AYA

34

JNP

TO

35

BK

MB

A

36

SNJA

I

37

BO

NE

38

MK

ALE

39

PLO

PO

40

LTU

PA

41

PLT

A P

OSO

42

PO

MA

NA

27

5

43

PO

MA

NA

15

0

44

PO

SO

Tega

nga

n (

p.u

)

Tallo Lama Poso

100

B.8. Aliran Daya untuk Integrasi 20 MWp.









yaitu Poso.

101

Tabel 18. Hasil simulasi aliran daya untuk integrasi PV 20 MWp Di daerah yang memiliki irradiance yang baik.

LOKASI PV

NO

RM

AL

BO

NE

BO

NT

OA

L

A

DA

YA

JE

NE

PO

N

TO

PA

LO

PO

PA

NA

KU

K

AN

G

PIN

RA

NG

PO

LM

AS

PO

SO

SID

RA

P

TA

LL

O

LA

MA

BUS

1SKANG 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02

2SDRAP 0.988988 0.991134 0.992024 0.991465 0.990685 0.995265 0.994341 0.993825 0.991604 0.986937 1 0.994867

3SPENG 0.994257 1.003327 0.996476 0.996253 0.997132 0.997044 0.997271 0.996664 0.995909 0.994084 0.998737 0.997465

4PPARE 0.998208 0.998791 0.999397 0.999273 0.998892 0.999446 0.999944 1.008116 1.002636 0.99778 1.000392 1.000073

5PRANG 1.011767 1.012171 1.012592 1.012506 1.012241 1.012625 1.012971 1.05 1.014936 1.011469 1.013282 1.013061

6PLMAS 1.013567 1.013818 1.014079 1.014025 1.013861 1.014099 1.014314 1.017909 1.05 1.013383 1.014506 1.014369

7BAKARU 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05

8MJENE 0.979684 0.979946 0.980219 0.980163 0.979992 0.980241 0.980465 0.984221 1.017688 0.979491 0.980666 0.980523

9MMUJU 0.971696 0.97196 0.972235 0.972179 0.972006 0.972257 0.972484 0.976275 1.010048 0.971501 0.972687 0.972542

10SUPPA 1 1 1 1 1 1 1 1 1 1 1 1

11PLTUBARRU 1 1 1 1 1 1 1 1 1 1 1 1

12BARRU 0.964645 0.965048 0.971242 0.968826 0.96544 0.964791 0.983403 0.964551 0.964476 0.964543 0.964931 0.986062

13PNKEP 0.903987 0.904711 0.923169 0.915389 0.905262 0.904524 0.962229 0.904177 0.903954 0.903728 0.904975 0.970749

14PNKEP70 0.956731 0.957524 0.980199 0.971056 0.958073 0.957414 1.028315 0.957062 0.956788 0.956419 0.957976 1.038736

15TNASA 0.947933 0.948734 0.971619 0.962393 0.949289 0.948622 1.020148 0.948268 0.947991 0.947619 0.949191 1.030654

16BOSOWA 0.898022 0.898736 0.918017 0.909654 0.899257 0.898591 0.959077 0.898261 0.898029 0.897755 0.899065 0.968033

17KIMA 0.896255 0.896942 0.917408 0.90815 0.897405 0.896874 0.961443 0.896578 0.896332 0.895978 0.897381 0.971052

18TELLO 0.892139 0.892777 0.91515 0.904463 0.893138 0.892839 0.964 0.892604 0.892335 0.891847 0.893401 0.974663

19PKANG 0.838287 0.838971 0.862925 0.851496 0.839359 0.839038 1 0.838786 0.838497 0.837973 0.839641 0.926193

20TELLO70 0.969927 0.970885 0.999022 0.999794 0.971539 0.970781 1.058516 0.970368 0.970027 0.969543 0.971482 1.071351

21BRLOE 0.962668 0.963634 0.991984 0.992762 0.964293 0.963529 1.05189 0.963113 0.962769 0.962281 0.964235 1.064807

22MNDAI 0.960859 0.961827 0.990053 0.992219 0.962491 0.961715 1.049648 0.961295 0.960953 0.960473 0.962418 1.062497

23DAYA 0.966914 0.967885 0.996336 1 0.96855 0.967777 1.056436 0.967358 0.967013 0.966525 0.968486 1.069395

24TELLO30 0.892149 0.892786 0.91516 0.904473 0.893148 0.892849 0.964011 0.892614 0.892345 0.891857 0.893411 0.974674

25BWAJA 0.89215 0.892788 0.915162 0.904475 0.89315 0.89285 0.964012 0.892615 0.892347 0.891858 0.893412 0.974676

26TLAMA 0.886007 0.886657 0.916786 0.898555 0.887025 0.88672 0.959066 0.886481 0.886207 0.88571 0.887293 1

27TLAMA70 0.8803 0.881049 0.996987 0.894751 0.881474 0.881122 0.963622 0.880846 0.88053 0.879956 0.881783 1.009598

28BNTLA 0.860995 0.861762 1 0.875779 0.862197 0.861837 0.946087 0.861555 0.861231 0.860644 0.862513 0.992903

29SGMSA 0.90993 0.910395 0.926739 0.919271 0.910517 0.910701 0.960696 0.910612 0.910332 0.909644 0.9113 0.968115

30TBNGA 0.897347 0.897819 0.914403 0.906826 0.897942 0.898129 0.948832 0.898038 0.897755 0.897056 0.898737 0.956349

31TLASA 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99

32MAROS 0.966081 0.968462 0.97308 0.971212 0.968729 0.971389 0.981058 0.970472 0.968579 0.96426 0.975439 0.982836

33PGAYA 1 1 1 1 1 1 1 1 1 1 1 1

34JNPTO 0.991504 0.994295 0.992066 0.992035 1 0.991815 0.99212 0.991843 0.991776 0.991531 0.991978 0.992138

35BKMBA 0.976466 0.990969 0.978419 0.978294 0.984272 0.977855 0.978722 0.977859 0.97753 0.976508 0.978626 0.978807

36SNJAI 0.975316 0.994653 0.97779 0.977627 0.982656 0.977131 0.978194 0.977115 0.97668 0.975357 0.978146 0.978308

37BONE 0.974264 1 0.977155 0.97695 0.980648 0.976576 0.977698 0.976494 0.975924 0.974273 0.977894 0.977846

38MKALE 0.945074 0.946289 0.946794 0.946477 0.946035 1.020852 0.948106 0.947814 0.946556 0.924779 0.951311 0.948404

39PLOPO 0.942629 0.943481 0.943834 0.943612 0.943302 1.05 0.944752 0.944548 0.943667 0.926311 0.946996 0.944961

40LTUPA 0.949577 0.949959 0.950117 0.950018 0.949879 0.997582 0.950529 0.950437 0.950042 0.938664 0.951534 0.950622

41PLTA POSO 1 1 1 1 1 1 1 1 1 1 1 1

42POMANA 275 0.980961 0.981016 0.981038 0.981024 0.981004 0.987861 0.981098 0.981084 0.981028 0.984722 0.981242 0.981111

43POMANA 150 0.978591 0.978646 0.978669 0.978655 0.978635 0.985538 0.978729 0.978715 0.978658 0.986517 0.978874 0.978742

44POSO 0.949661 0.94972 0.949744 0.949728 0.949707 0.956983 0.949806 0.949793 0.949732 1 0.94996 0.949821

Tegangan ( p.u )

102


0.8

0.85

0.9

0.95

1

1.05

1.1

1SK

AN

G

2SD

RA

P

3SP

ENG

4P

PA

RE

5P

RA

NG

6P

LMA

S

7B

AK

AR

U

8M

JEN

E

9M

MU

JU

10

SUP

PA

11

PLT

UB

AR

RU

12

BA

RR

U

13

PN

KEP

14

PN

KEP

70

15

TNA

SA

16

BO

SOW

A

17

KIM

A

18

TELL

O

19

PK

AN

G

20

TELL

O7

0

21

BR

LOE

22

MN

DA

I

23

DA

YA

24

TELL

O3

0

25

BW

AJA

26

TLA

MA

27

TLA

MA

70

28

BN

TLA

29

SGM

SA

30

TBN

GA

31

TLA

SA

32

MA

RO

S

33

PG

AYA

34

JNP

TO

35

BK

MB

A

36

SNJA

I

37

BO

NE

38

MK

ALE

39

PLO

PO

40

LTU

PA

41

PLT

A P

OSO

42

PO

MA

NA

27

5

43

PO

MA

NA

15

0

44

PO

SO

Tega

nga

n (

p.u

)

NORMAL DAYA BONTOALA JENEPONTO TALLO LAMA PALOPO

PANAKUKANG PINRANG POLMAS POSO SIDRAP BONE

103


0.8

0.85

0.9

0.95

1

1.05

1.1

1SK

AN

G

2SD

RA

P

3SP

ENG

4P

PA

RE

5P

RA

NG

6P

LMA

S

7B

AK

AR

U

8M

JEN

E

9M

MU

JU

10

SUP

PA

11

PLT

UB

AR

RU

12

BA

RR

U

13

PN

KEP

14

PN

KEP

70

15

TNA

SA

16

BO

SOW

A

17

KIM

A

18

TELL

O

19

PK

AN

G

20

TELL

O7

0

21

BR

LOE

22

MN

DA

I

23

DA

YA

24

TELL

O3

0

25

BW

AJA

26

TLA

MA

27

TLA

MA

70

28

BN

TLA

29

SGM

SA

30

TBN

GA

31

TLA

SA

32

MA

RO

S

33

PG

AY

A

34

JNP

TO

35

BK

MB

A

36

SNJA

I

37

BO

NE

38

MK

ALE

39

PLO

PO

40

LTU

PA

41

PLT

A P

OSO

42

PO

MA

NA

27

5

43

PO

MA

NA

15

0

44

PO

SO

Tega

nga

n (

p.u

)

Tallo lama Poso

104










yaitu Poso.

105


LOKASI PV

BUS

1SKANG 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02

2SDRAP 0.988988 0.991305 0.992496 0.99195 0.991024 0.994984 0.994773 0.994029 0.991819 0.986075 1 0.995281

3SPENG 0.994257 1.003386 0.996878 0.996663 0.997473 0.997077 0.997673 0.996907 0.996159 0.993904 0.998881 0.997843

4PPARE 0.998208 0.998858 0.999613 0.999499 0.999042 0.999385 1.000155 1.008195 1.00274 0.997603 1.000387 1.000272

5PRANG 1.011767 1.012217 1.012742 1.012662 1.012345 1.012583 1.013118 1.05 1.015027 1.011346 1.013279 1.013199

6PLMAS 1.013567 1.013846 1.014172 1.014122 1.013926 1.014073 1.014405 1.017959 1.05 1.013306 1.014504 1.014455

7BAKARU 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05

8MJENE 0.979684 0.979976 0.980316 0.980264 0.980059 0.980213 0.98056 0.984273 1.017688 0.979412 0.980664 0.980612

9MMUJU 0.971696 0.971991 0.972334 0.972281 0.972074 0.97223 0.972579 0.976328 1.010048 0.971421 0.972685 0.972633

10SUPPA 1 1 1 1 1 1 1 1 1 1 1 1

11PLTUBARRU 1 1 1 1 1 1 1 1 1 1 1 1

12BARRU 0.964645 0.965125 0.97175 0.969395 0.965618 0.964773 0.983594 0.964495 0.964419 0.964508 0.96492 0.986289

13PNKEP 0.903987 0.904834 0.924359 0.916754 0.905532 0.904481 0.962376 0.904123 0.9039 0.90363 0.904957 0.971041

14PNKEP70 0.956731 0.957653 0.981586 0.970583 0.95835 0.957364 1.028402 0.95702 0.956745 0.956301 0.957959 1.039006

15TNASA 0.947933 0.948864 0.973018 0.961915 0.949568 0.948572 1.020236 0.948225 0.947948 0.947499 0.949173 1.030926

16BOSOWA 0.898022 0.898855 0.919232 0.91105 0.899515 0.898548 0.959195 0.898215 0.897983 0.897653 0.899048 0.968307

17KIMA 0.896255 0.897053 0.918652 0.909584 0.89764 0.89683 0.96151 0.896546 0.8963 0.895872 0.897366 0.971289

18TELLO 0.892139 0.892873 0.916438 0.905957 0.893335 0.892793 0.96398 0.892596 0.892328 0.891732 0.893388 0.97484

19PKANG 0.838287 0.839075 0.864301 0.853095 0.83957 0.838989 1 0.838778 0.83849 0.83785 0.839627 0.92638

20TELLO70 0.969927 0.97104 1.000734 0.999453 0.971872 0.97072 1.05862 0.970323 0.969982 0.969396 0.97146 1.071682

21BRLOE 0.962668 0.96379 0.993709 0.992418 0.964628 0.963467 1.051995 0.963067 0.962724 0.962133 0.964214 1.06514

22MNDAI 0.960859 0.961984 0.991773 0.992112 0.962829 0.961653 1.049756 0.961248 0.960907 0.960325 0.962396 1.062832

23DAYA 0.966914 0.968043 0.998069 1 0.968888 0.967715 1.056543 0.967311 0.966967 0.966377 0.968464 1.06973

24TELLO30 0.892149 0.892883 0.916448 0.905967 0.893345 0.892803 0.963991 0.892606 0.892338 0.891742 0.893398 0.97485

25BWAJA 0.89215 0.892885 0.91645 0.905969 0.893346 0.892805 0.963992 0.892608 0.89234 0.891744 0.893399 0.974852

26TLAMA 0.886007 0.886755 0.918329 0.900076 0.887226 0.886674 0.959046 0.886473 0.8862 0.885593 0.88728 1

27TLAMA70 0.8803 0.881163 0.995561 0.896497 0.881705 0.881069 0.963599 0.880837 0.880522 0.879822 0.881768 1.009598

28BNTLA 0.860995 0.861879 1 0.877565 0.862434 0.861783 0.946063 0.861546 0.861223 0.860506 0.862498 0.992903

29SGMSA 0.90993 0.910453 0.927808 0.920483 0.910615 0.910659 0.96086 0.910652 0.910374 0.909529 0.911294 0.968403

30TBNGA 0.897347 0.897877 0.915487 0.908057 0.898041 0.898086 0.948998 0.898079 0.897797 0.896939 0.89873 0.95664

31TLASA 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99

32MAROS 0.966081 0.968723 0.973982 0.972147 0.96929 0.971132 0.981789 0.970707 0.968825 0.963506 0.975422 0.983552

33PGAYA 1 1 1 1 1 1 1 1 1 1 1 1

34JNPTO 0.991504 0.994232 0.992174 0.992144 1 0.991829 0.992233 0.991893 0.991826 0.991524 0.992003 0.992243

35BKMBA 0.976466 0.99087 0.978782 0.978661 0.984572 0.977899 0.979096 0.978042 0.977717 0.976455 0.978723 0.979158

36SNJAI 0.975316 0.994568 0.978257 0.978099 0.98309 0.977185 0.978674 0.977348 0.976918 0.975283 0.97827 0.978758

37BONE 0.974264 1 0.977705 0.977506 0.981191 0.976636 0.978262 0.97677 0.976207 0.974168 0.978043 0.978375

38MKALE 0.945074 0.946386 0.947061 0.946752 0.946227 1.018995 0.948351 0.947929 0.946677 0.916819 0.951311 0.948638

39PLOPO 0.942629 0.943549 0.944021 0.943804 0.943437 1.05 0.944924 0.944629 0.943752 0.91918 0.946996 0.945125

40LTUPA 0.949577 0.949989 0.950201 0.950104 0.949939 0.997582 0.950606 0.950473 0.950081 0.933457 0.951534 0.950696

41PLTA POSO 1 1 1 1 1 1 1 1 1 1 1 1

42POMANA 275 0.980961 0.98102 0.981051 0.981037 0.981013 0.987861 0.981109 0.98109 0.981033 0.984065 0.981242 0.981122

43POMANA 150 0.978591 0.978651 0.978681 0.978667 0.978643 0.985538 0.97874 0.978721 0.978664 0.985917 0.978874 0.978753

44POSO 0.949661 0.949724 0.949756 0.949742 0.949717 0.956983 0.949818 0.949798 0.949738 1 0.94996 0.949832

Bo

ne

Bo

nto

ala

Da

ya

Jen

ep

on

to

Pa

lop

o

NO

RM

AL

Pa

na

kuka

ng

Pin

ran

g

Po

lma

s

Po

so

Sid

rap

Ta

llo

La

ma

106


0.8

0.85

0.9

0.95

1

1.05

1.1

BU

S

1SK

AN

G

2SD

RA

P

3SP

ENG

4P

PA

RE

5P

RA

NG

6P

LMA

S

7B

AK

AR

U

8M

JEN

E

9M

MU

JU

10

SUP

PA

11

PLT

UB

AR

RU

12

BA

RR

U

13

PN

KEP

14

PN

KEP

70

15

TNA

SA

16

BO

SOW

A

17

KIM

A

18

TELL

O

19

PK

AN

G

20

TELL

O7

0

21

BR

LOE

22

MN

DA

I

23

DA

YA

24

TELL

O3

0

25

BW

AJA

26

TLA

MA

27

TLA

MA

70

28

BN

TLA

29

SGM

SA

30

TBN

GA

31

TLA

SA

32

MA

RO

S

33

PG

AY

A

34

JNP

TO

35

BK

MB

A

36

SNJA

I

37

BO

NE

38

MK

ALE

39

PLO

PO

40

LTU

PA

41

PLT

A P

OSO

42

PO

MA

NA

27

5

43

PO

MA

NA

15

0

44

PO

SO

Tega

nga

n (

p.u

)



107


0.8

0.85

0.9

0.95

1

1.05

1.1

BU

S

1SK

AN

G

2SD

RA

P

3SP

ENG

4P

PA

RE

5P

RA

NG

6P

LMA

S

7B

AK

AR

U

8M

JEN

E

9M

MU

JU

10

SUP

PA

11

PLT

UB

AR

RU

12

BA

RR

U

13

PN

KEP

14

PN

KEP

70

15

TNA

SA

16

BO

SOW

A

17

KIM

A

18

TELL

O

19

PK

AN

G

20

TELL

O7

0

21

BR

LOE

22

MN

DA

I

23

DA

YA

24

TELL

O3

0

25

BW

AJA

26

TLA

MA

27

TLA

MA

70

28

BN

TLA

29

SGM

SA

30

TBN

GA

31

TLA

SA

32

MA

RO

S

33

PG

AY

A

34

JNP

TO

35

BK

MB

A

36

SNJA

I

37

BO

NE

38

MK

ALE

39

PLO

PO

40

LTU

PA

41

PLT

A P

OSO

42

PO

MA

NA

27

5

43

PO

MA

NA

15

0

44

PO

SO

Tega

nga

n (

p.u

)

Tallo Lama Poso

108










yaitu Poso.

109


LOKASI PVN

OR

MA

L

BO

NE

BO

NT

OA

L

A

DA

YA

JE

NE

PO

N

TO

PA

LO

PO

PA

NA

KU

K

AN

G

PIN

RA

NG

PO

LM

AS

PO

SO

SID

RA

P

TA

LL

O

LA

MA

BUS

1SKANG 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02 1.02

2SDRAP 0.988988 0.991469 0.992943 0.9924115 0.99135 0.994657 0.995183 0.994219 0.992019 0.985082 1 0.995677

3SPENG 0.994257 1.003421 0.997256 0.9970501 0.9977874 0.99709 0.998051 0.997142 0.9964 0.993674 0.999023 0.998203

4PPARE 0.998208 0.998923 0.999821 0.9997153 0.9991881 0.999315 1.000358 1.008267 1.002836 0.9974 1.000382 1.000465

5PRANG 1.011767 1.012263 1.012886 1.0128126 1.0124466 1.012535 1.013259 1.05 1.015111 1.011205 1.013275 1.013333

6PLMAS 1.013567 1.013875 1.014261 1.0142155 1.0139886 1.014043 1.014492 1.018007 1.05 1.013219 1.014502 1.014538

7BAKARU 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05 1.05

8MJENE 0.979684 0.980006 0.980409 0.9803619 0.9801248 0.980182 0.980651 0.984323 1.017688 0.97932 0.980662 0.980699

9MMUJU 0.971696 0.97202 0.972428 0.9723799 0.9721405 0.972198 0.972672 0.976378 1.010048 0.971329 0.972682 0.97272

10SUPPA 1 1 1 1 1 1 1 1 1 1 1 1

11PLTUBARRU 1 1 1 1 1 1 1 1 1 1 1 1

12BARRU 0.964645 0.965199 0.972221 0.9699339 0.9657895 0.964753 0.983773 0.964438 0.964361 0.964469 0.964909 0.98651

13PNKEP 0.903987 0.904953 0.925442 0.918036 0.9057837 0.904434 0.962495 0.904067 0.903843 0.90352 0.90494 0.971323

14PNKEP70 0.956731 0.957779 0.982842 0.9699765 0.9586061 0.957308 1.028458 0.956974 0.956699 0.956166 0.957941 1.039265

15TNASA 0.947933 0.948991 0.974286 0.9613031 0.9498263 0.948516 1.020292 0.948179 0.947902 0.947363 0.949154 1.031187

16BOSOWA 0.898022 0.89897 0.920336 0.912362 0.8997559 0.8985 0.959286 0.898167 0.897934 0.897539 0.899032 0.96857

17KIMA 0.896255 0.89716 0.91978 0.9109326 0.8978585 0.896781 0.961549 0.896512 0.896266 0.895751 0.897351 0.971517

18TELLO 0.892139 0.892966 0.9176 0.9073633 0.8935137 0.892743 0.963933 0.892586 0.892318 0.891603 0.893375 0.975008

19PKANG 0.838287 0.839175 0.865542 0.8545998 0.8397618 0.838935 1 0.838766 0.838479 0.837711 0.839613 0.926558

20TELLO70 0.969927 0.971191 1.002287 0.9990777 0.9721812 0.970652 1.058689 0.970274 0.969933 0.969229 0.971439 1.072001

21BRLOE 0.962668 0.963942 0.995273 0.9920401 0.9649402 0.963399 1.052064 0.963018 0.962675 0.961965 0.964192 1.065461

22MNDAI 0.960859 0.962137 0.993334 0.9919764 0.9631427 0.961585 1.049829 0.961198 0.960856 0.960158 0.962374 1.063154

23DAYA 0.966914 0.968196 0.99964 1 0.9692026 0.967646 1.056614 0.967261 0.966917 0.966208 0.968443 1.070053

24TELLO30 0.892149 0.892976 0.91761 0.9073733 0.8935236 0.892753 0.963943 0.892596 0.892328 0.891612 0.893385 0.975019

25BWAJA 0.89215 0.892978 0.917611 0.9073749 0.8935251 0.892754 0.963945 0.892597 0.89233 0.891614 0.893386 0.97502

26TLAMA 0.886007 0.88685 0.919712 0.9015062 0.8874076 0.886622 0.958998 0.886463 0.88619 0.885461 0.887266 1

27TLAMA70 0.8803 0.881272 0.994026 0.89814 0.8819154 0.881009 0.963545 0.880825 0.880511 0.879669 0.881752 1.009598

28BNTLA 0.860995 0.861991 1 0.8792447 0.8626489 0.861722 0.946008 0.861533 0.861211 0.86035 0.862482 0.992903

29SGMSA 0.90993 0.910507 0.928783 0.9216286 0.9106957 0.910611 0.960999 0.910689 0.910413 0.909396 0.911287 0.968681

30TBNGA 0.897347 0.897932 0.916477 0.9092185 0.8981235 0.898038 0.949139 0.898117 0.897836 0.896805 0.898723 0.956922

31TLASA 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99 0.99

32MAROS 0.966081 0.968975 0.974834 0.9730362 0.9698292 0.970836 0.982482 0.97093 0.969058 0.96264 0.975404 0.984241

33PGAYA 1 1 1 1 1 1 1 1 1 1 1 1

34JNPTO 0.991504 0.994166 0.992275 0.9922459 1 0.99184 0.992337 0.991941 0.991876 0.991512 0.992028 0.992342

35BKMBA 0.976466 0.990765 0.979116 0.979 0.9848332 0.977934 0.97944 0.978218 0.977898 0.976378 0.978818 0.979484

36SNJAI 0.975316 0.994478 0.97869 0.9785372 0.9834776 0.977227 0.97912 0.977573 0.977148 0.975178 0.978392 0.979179

37BONE 0.974264 1 0.97822 0.9780277 0.9816871 0.976681 0.97879 0.977039 0.976482 0.974021 0.97819 0.978874

38MKALE 0.945074 0.946479 0.947314 0.947013 0.9464116 1.016997 0.948583 0.948037 0.946791 0.907834 0.951311 0.948862

39PLOPO 0.942629 0.943613 0.944198 0.9439873 0.9435662 1.05 0.945086 0.944704 0.943832 0.911065 0.946996 0.945282

40LTUPA 0.949577 0.950019 0.950281 0.950186 0.9499973 0.997582 0.950679 0.950507 0.950116 0.927674 0.951534 0.950766

41PLTA POSO 1 1 1 1 1 1 1 1 1 1 1 1

42POMANA 275 0.980961 0.981024 0.981062 0.9810484 0.9810213 0.987861 0.981119 0.981095 0.981038 0.983323 0.981242 0.981132

43POMANA 150 0.978591 0.978655 0.978693 0.9786791 0.9786518 0.985538 0.97875 0.978726 0.978669 0.985235 0.978874 0.978763

44POSO 0.949661 0.949729 0.949769 0.9497542 0.9497254 0.956983 0.949829 0.949803 0.949744 1 0.94996 0.949843

Tegangan ( p.u )

110


0.8

0.85

0.9

0.95

1

1.05

1.1

1SK

AN

G

2SD

RA

P

3SP

ENG

4P

PA

RE

5P

RA

NG

6P

LMA

S

7B

AK

AR

U

8M

JEN

E

9M

MU

JU

10

SUP

PA

11

PLT

UB

AR

RU

12

BA

RR

U

13

PN

KEP

14

PN

KEP

70

15

TNA

SA

16

BO

SOW

A

17

KIM

A

18

TELL

O

19

PK

AN

G

20

TELL

O7

0

21

BR

LOE

22

MN

DA

I

23

DA

YA

24

TELL

O3

0

25

BW

AJA

26

TLA

MA

27

TLA

MA

70

28

BN

TLA

29

SGM

SA

30

TBN

GA

31

TLA

SA

32

MA

RO

S

33

PG

AYA

34

JNP

TO

35

BK

MB

A

36

SNJA

I

37

BO

NE

38

MK

ALE

39

PLO

PO

40

LTU

PA

41

PLT

A P

OSO

42

PO

MA

NA

27

5

43

PO

MA

NA

15

0

44

PO

SO

Tega

nga

n (

p.u

)

NORMAL BONE BONTOALA DAYA JENEPONTO PALOPO

PANAKUKANG PINRANG POLMAS POSO SIDRAP TALLO LAMA

111


0.8

0.85

0.9

0.95

1

1.05

1.1

1SK

AN

G

2SD

RA

P

3SP

ENG

4P

PA

RE

5P

RA

NG

6P

LMA

S

7B

AK

AR

U

8M

JEN

E

9M

MU

JU

10

SUP

PA

11

PLT

UB

AR

RU

12

BA

RR

U

13

PN

KEP

14

PN

KEP

70

15

TNA

SA

16

BO

SOW

A

17

KIM

A

18

TELL

O

19

PK

AN

G

20

TELL

O70

21

BR

LOE

22

MN

DA

I

23

DA

YA

24

TELL

O30

25

BW

AJA

26

TLA

MA

27

TLA

MA

70

28

BN

TLA

29

SGM

SA

30

TBN

GA

31

TLA

SA

32

MA

RO

S

33

PG

AY

A

34

JNP

TO

35

BK

MB

A

36

SNJA

I

37

BO

NE

38

MK

ALE

39

PLO

PO

40

LTU

PA

41

PLT

A P

OSO

42

PO

MA

NA

27

5

43

PO

MA

NA

15

0

44

PO

SO

Tega

nga

n (

p.u

)

Poso Tallo lama

112

Dari hasil semua simulasi yang dilakukan telah memperlihatkan

semua hasil sensitivitas dan rugi – rugi daya di daerah-daerah yang

memiliki irradiance yang baik sesuai data Solargis. Dari data

memperlihatkan di daeran Tallo Lama memiliki sensitivitas yang baik dari

semua daya input yang dilakukan dibandingkan dengan daerah – daerah

lain yang memiliki irradiance yang baik. Hal ini disebabkan karena daerah

Tallo Lama merupakan pusat beban.

113

BAB V

SIMPULAN DAN SARAN

5.1 KESIMPULAN

Penentuan Lokasi yang tepat pada integrasi PV di sistem

interkoneksi PLN dapat mengurangi rugi-rugi daya yang terjadi dan

meningkatkan kestabilan sistem. Data dari SOLARGIS, diperoleh 8 daerah

yang memiliki irradiance bagus, dimana makassar di wakili 4 substations.

5.2 SARAN

Hasil penelitian ini memperlihatkan substations yang berada dikota

makassar (Panakukang, Bontoala, Tallo lama, dan Daya) memiliki

irradiance dan PV sensitivitas yang tinggi, dan berdasarkan hasil ini menjadi

tempat yang direkomendasikan untuk penempatan PV karena dapat

meningkatkan profil tegangan dan mengurangi rugi-rugi secara signifikan.

Namun ternyata pembangkit PV memerlukan lahan luas dan dapat menjadi

penelitian lanjutan.

114

DAFTAR PUSTAKA

[1] A. Arief, Z. Dong, M. B. Nappu, and M. Gallagher, “Under voltage load

shedding in power systems with wind turbine-driven doubly fed induction

generators,” Electr. Power Syst. Res., vol. 96, pp. 91–100, 2013.

[2] P. Dinakara Prasad Reddy, V. C. Veera Reddy, and T. Gowri Manohar,

“Optimal renewable resources placement in distribution networks by

combined power loss index and whale optimization algorithms,” J. Electr.

Syst. Inf. Technol., pp. 1–17, 2017.

[3] S. Microgrid, “Analisis dan Evaluasi Kestabilan Tegangan dengan Metode

Continuation Power Flow,” 2016, vol. 5, no. 2, pp. 528–533.

[4] U. Sultana, A. B. Khairuddin, M. M. Aman, A. S. Mokhtar, and N. Zareen, “A

review of optimum DG placement based on minimization of power losses

and voltage stability enhancement of distribution system,” Renew. Sustain.

Energy Rev., vol. 63, no. September, pp. 363–378, 2016.

[5] M. Bazrafshan and N. Gatsis, “Placing and sizing distributed photovoltaic

generators for optimal reactive power compensation,” 2015 IEEE Glob.

Conf. Signal Inf. Process. Glob. 2015, pp. 1136–1140, 2016.

[6] I. Ben Hamida, “Optimal Integration of Solar Distributed Generations in

Distribution Network Using SPEA2,” pp. 368–373, 2016.

[7] K. Bhumkittipich and W. Phuangpornpitak, “Optimal placement and sizing of

distributed generation for power loss reduction using particle swarm

optimization,” Energy Procedia, vol. 34, pp. 307–317, 2013.

[8] S. A. S. Mustaffa, I. Musirin, M. M. Othman, and N. H. Rosli, “Multi DGPV

installation in transmission system for loss minimization,” 2017 4th Int. Conf.

Ind. Eng. Appl. ICIEA 2017, pp. 350–354, 2017.

[9] Suresh Kumar Sudabattula, “ScienceDirect Optimal allocation of solar

based distributed generators in distribution system using Bat algorithm,”

Perspect. Sci., vol. 8, pp. 270–272, 2016.

[10] S. Wu, Q. Liu, Y. Zheng, R. Li, and T. Peng, “An ef fi cient copper

phthalocyanine additive of perovskite precursor for improving the

photovoltaic performance of planar perovskite solar cells,” J. Power

Sources, vol. 359, pp. 303–310, 2017.

[11] S. Kabir, O. Krause, and A. Haider, “Design of an optimal placement

115

algorithm for large scale photovoltaic in sub-transmission networks,” 3rd Int.

Conf. Dev. Renew. Energy Technol., pp. 1–6, 2014.

[12] S. Daud, A. Fazliana, A. Kadir, C. K. Gan, and A. R. Abdullah, “Optimal

allocation and sizing of Photovoltaic-based distributed generation for

voltage dip improvement,” pp. 89–94, 2016.

[13] M. R. Rashel, A. Albino, T. Goncalves, and M. Tlemcani, “Sensitivity

analysis of parameters of a photovoltaic cell under different conditions,” Ski.

2016 - 2016 10th Int. Conf. Software, Knowledge, Inf. Manag. Appl., 2017.

[14] S. D. E. Nasional, Issn 2527-3000 issn 2527-3000. 2016.

[15] L. Serrano-Luján, N. Espinosa, J. Abad, and A. Urbina, “The greenest

decision on photovoltaic system allocation,” Renew. Energy, vol. 101, pp.

1348–1356, 2017.

[16] SOLARGIS, Global horizontal irradiation, 2017.

http://solargis.com/products/maps-and-gis.data/free/download/world.

[Accessed: 17-Jul-2017].

[17] C. Paper and N. Physics, “Healthy light source Healthy light source,” no.

January 2013, 2017.

[18] https://www.nasa.gov/

[19] Mochammad and Y. Elfita, “Pengaruh Suhu Permukaan Photovoltaic

Module 50 Watt Peak Terhadap Daya Keluaran yang Dihasilkan

Menggunakan Reflektor dengan Variasi Sudut 0, 50, 60, 70, 80,” Rotasi, vol.

12, no. 4, pp. 14–18, 2010.

[20] P. Hersch and K. Zweibel, “Basic photovoltaic principles and methods,”

Antimicrob. Agents Chemother., vol. 58, no. 12, pp. 7250–7, 1982.

[21] sumber energi, “No Title.” .

[22] KEMEN ESDM, “Peraturan Menteri Energi dan Sumber Daya Mineral

Republik Indonesia No. 12 Tahun 2017 Tentang Pemnafaatan Sumber

Energi Terbarukan Untuk Penyediaan Tenaga Listrik,” pp. 2–22, 2017.

[23] Badan Pengkajian dan Penerapan Teknologi,Outlook Energi

Indonesia.''ISBN 978-602-74702-0-0''2016

[24] P. Kundur, “Power system stability and control,” McGraw-Hill. pp. 45–138,

1994.

[25] A. Arief and M. B. Nappu, “DG placement and size with continuation power

flow method,” in Proceedings - 5th International Conference on Electrical

116

Engineering and Informatics: Bridging the Knowledge between Academic,

Industry, and Community, ICEEI 2015, 2015, pp. 579–584.

[26] V. Ajjarapu and C. Christy, “The continuation power flow: A tool for steady

state voltage stability analysis,” IEEE Trans. Power Syst., vol. 7, no. 1, pp.

416–423, 1992.

[27] S. Liu, F. Liu, T. Ding, and Z. Bie, “Optimal Allocation of Reactive Power

Compensators and Energy Storages in Microgrids Considering Uncertainty

of Photovoltaics,” Energy Procedia, vol. 103, no. April, pp. 165–170, 2016.

[28] A. Arief and M. B. Nappu, “Comparison of CPF and Modal Analysis Methods

in Determining Effective DG Locations,” pp. 555–560, 2010.

[29] M. B. Nappu and A. Arief, “Economic Redispatch Considering Transmission

Congestion for Optimal Energy Price in a Deregulated Power System,” pp.

573–578, 2015.

[30] M. Bachtiar and A. Arief, “Network Losses-Based Economic Redispatch for

Optimal Energy Pricing in a Congested Power System,” Energy Procedia,

vol. 100, no. September, pp. 311–314, 2016.

[31] G. Guerra and J. A. Martinez, “A Monte Carlo method for optimum

placement of photovoltaic generation using a multicore computing

environment,” IEEE Power Energy Soc. Gen. Meet., vol. 2014–Octob, no.

October, pp. 1–5, 2014.

[32] S. Essallah, A. Bouallegue, and A. Khedher, “Optimal placement of PV-

distributed generation units in radial distribution system based on sensitivity

approaches,” 2015 16th Int. Conf. Sci. Tech. Autom. Control Comput. Eng.,

pp. 513–520, 2015.

[33] A. W. H. Sie, I. Z. Abidin, and H. Hashim, “A methodology to determine

suitable placement of solar photovoltaic sources in the transmission system

taking into account Voltage Stability Index (VSI),” in Conference Proceeding

- 2014 IEEE International Conference on Power and Energy, PECon 2014,

2014, pp. 226–230.

[34] Tristan Jr.G. Magallones, “No Title,” Power flow small signal Stab. Aalysis

interconnected Philipp. power grid, vol. 8, pp. 589–591, 2016.

[35] PT. PLN (Persero)AP2B Wilayah Sulselrabar 2016

[36] H. Hedayati, S. A. Nabaviniaki, and A. Akbarimajd, “A Method for Placement

of DG Units in Distribution Networks,” vol. 23, no. 3, pp. 1620–1628, 2008.

LAMPIRAN

Optimal Photovoltaic Placement at the Southern Sulawesi Power System for Stability Improvement

Ardiaty Arief 1,2, Muhammad Bachtiar Nappu1,2, Sitti Marwah Rachman1,2,3,*, Mustadir Darusman1,2,3

1Centre for Research and Development on Energy and Electricity, Hasanuddin University, Makassar 90245, Indonesia

2Department of Electrical Engineering, Faculty of Engineering, Hasanuddin University, Makassar 90245, Indonesia

3Health Ministry of the Republic of Indonesia, Medical Facilities Safety Beurau, Makassar 90245, Indonesia *E-mail: [email protected]

Abstract-This paper presents a new method in determining the optimal location of Photovoltaic (PV) based on the location’s irradiance from SOLARGIS and network system for voltage stability improvement and losses minimization. The analytical method is developed based on the Continuation Power Flow (CPF) which is an assessment to analyze the voltage stability in quasi-static technique. To optimize the allocation process, firstly, areas which have good irradiance based on SOLARGIS will be selected and only those areas will be the input data on the determination of optimal PV placement where PV-Sensitivity of each of these buses will be calculated. The bus that has the highest PV-Sensitivity is a bus that has a good sensitivity to improve the voltage stability of the system as well as has good irradiance and will be recommended for optimal PV placement. Simulation results on the Southern Sulawesi power system show that this method is effective in determining the PV location. In this work, voltage magnitude and network losses are evaluated to compare the stability for each PV placement scenarios. This study provides locations who have good irradiance and PV-Sensitivity, which the results of this research can become recommendations for the power system utility or PLN in Indonesia in planning for PV integration.

Keywords—Photovoltaic placement, voltage stability, losses minimization, irradiance, Continuation Power Flow.

I. INTRODUCTION

The term voltage stability is closely related to the ability of a power system to maintain the voltage of each bus whether in an abnormal conditions or because of interference [1]. A power system will experience voltage instability that occurs due to increased demand or changes in the system. This situation will impact the voltage profile down and power losses becomes greater, hence may be uncontrollable [2-4].

Expectation for significant reductions in fossil fuels and increased reforestation impacts make the whole world interested in alternative energy [5-10]. With the rapidly growing renewable energy resources around the world, such as solar, hydro, wind, ocean and geothermal energy, this has become an alternative power generation. On the other hand, this can also increase reliability in reducing power outages or blackouts in the surrounding areas [11]. Voltage on the distribution system network is one of the power quality issues that needs to be taken into account because it greatly affects the performance of the system when distributing energy to the consumers [12-13].

Among the existing renewable energy resources, the photovoltaic (PV) market from solar energy resources is growing very rapidly compared to other technologies. In 2009, PV production in the world reached up to 10.66 GW [14]. In Indonesia, a PV system as a source of electricity for small islands have been implemented since the 1970s, but unfortunately in 1997, it was stopped due to the financial crisis at that time [15].

PV units can be installed close to load centers. At the present, a PV system can convert 1 kW of solar energy that falls on a 1 meter-square area to 100 W of electricity, which can drive most of the household appliances such as: television, stereo, electric typewriter or lamp [16]. Based on data from the National Energy Board, the potential of solar energy in Indonesia reaches an average of about 4.8 kWh permeter-square or equivalent to 112,000 GWp [17].

The radiation of sunlight to the surface of the earth's atmosphere is not entirely accepted by the surface of the earth as it is being processed by clouds or other particles present in the atmosphere. To stabilize carbon dioxide (CO2) in the atmosphere in the middle of this century, PV is proposed to be used for 10 TW of electricity, hydrogen of 10 TW for transportation and fossil fuels for housing and industry for 10 MW. Thus, PV will play a very important part in meeting world’s future energy demand. This time is considered as a "tipping point" for PV development [18-19].

In a research by L. Serrano-Luján, et.al, the writers divided the countries around the world into categories of CO2 amount that can be avoided for integration of 1 kWp PV during its lifetime [22]. In this division, avoided CO2 emissions by PV in the first group of countries is about 35-40 tons. The first group of countries are; Turkmenistan, Iraq, Ethiopia, Kuwait, Saudi Arabia, Oman, South Africa, Australia, Cuba, India and Western China. These countries have the highest potential in CO2 reduction [20-21]. While the countries of Morocco, Cambodia, Israel, Indonesia, Jamaica, Yemen, United Arab Emirates, Western United States, East China and the Dominican Republic fall into the second group of avoided CO2 emission for 25-30 tons of CO2 reductions per 1 kWp PV during its lifetime [22].

Placement of PV at the appropriate location on the transmission system is essential for maintaining voltage stability

[23-24] and may defer the transmission network development [25]. The installation of a PV generator in the distribution network shows an improvement in the voltage profile and reduction of power losses [26]. Since the Southern Sulawesi region is one of the areas that have good radiation, so it becomes the object of PV integration in Indonesia. Therefore, this study was conducted to determine the optimal location of PV placement in the Southern Sulawesi power system based on the system configuration and irradiation data. Areas with good irradiation are determined from the SOLARGIS data, which then becomes the input in the Continuation Power Flow (CPF) method to calculate the PV-Sensitivity value. Buses with high irradiation as well as good PV-Sensitivity are recommended for optimal PV placement.

The structure of this paper is as follow. Section 2 explains about PV Potential in Indonesia including the basic theory of photovoltaic, irradiance in Indonesia and maximum power point tracking (MPPT) of PV . Section 3 elaborates about the proposed method. Results and analysis are presented in Section 4. Section 5 summarizes the main findings of this study.

II. PV POTENTIAL IN INDONESIA

A. Overview of PV Technology

PV is a device that can convert solar energy directly into electrical energy. PV technology is much observed by engineers as one of the ideal energy resources because its performance does not cause pollution in generating electricity. This technology converts solar radiation into direct-current electricity (DC) by using semiconductors. DC currents generated from sunlight, can be directly used for DC electrical equipment or to recharge the batteries. To convert the DC current to an AC current, an inverter is required, then distributed through the indoor distribution panel.

A PV module is a number of solar cells that are coupled in series and/or parallel connection, to increase the resulting voltage and current so that it is sufficient to supply the power system’s load. To obtain maximum electrical power output then the surface of the solar module should always be facing the sun. The main component of a PV system is the module which consist of some PV solar cells. Crystal and thin film technology are mostly used for PV modules fabrication [27].

B. Irradiance in Indonesia

Indonesia is a country on the equator, so its solar energy’s potential is high, because the sun continues to exist throughout the year. The average of the sun that has the potential to produce energy in the western part of Indonesia is around 4-5 hours per-day. In Aceh, Western Sumatra, Northern Sumatra, Riau and Jambi provinces have average energy potential of 4.5 kWh/m2/day, while the eastern part of Indonesia covers all of Papua, Maluku, East Nusa Tenggara, West Nusa Tenggara, and parts of Sulawesi have average energy potential of 5.1 kWh/m2/day [17].

Hence, utilization of renewable energy sources, especially in Indonesia is an effective approach in addressing the increasing energy demand as well as dealing with the worsening ecological environment [28]. Solar energy that reaches the earth's surface is usually calculated by Global Horizontal Irradiation (GHI).

Furthermore, for the long-term average value of Photovoltaic Power Production Potential (PVOUT) is determined by various factors including latitude, elevation, landform and many other meteorological variables. The amount of PVOUTs in 2017 in Indonesia is shown in Fig. 1 that was predicted by SOLARGIS [29].

Fig. 1. Long-term average of photovoltaic power production potential (PVOUT) in Indonesia [29]

C. Maximum Power Point Tracker (MPPT)

MPPT is a technique used in solar/photovoltaic systems to maximize sun power extraction under all conditions. As the amount of sunlight varies, the load characteristics change so that the efficiency of the system is optimized to preserve power transferred at highest efficiency. MPPT devices are often integrated into electrical power converter systems that they can adjust current settings to drive the load [30].

III. THE PORPOSED METHOD

A. The Continuation Power Flows

In this paper, optimal PV analytical placement employs Continuation Power Flow (CPF) method. But for its effectiveness, only buses with good irradiance whose sensitivity will be calculated. In general, the methods for voltage stability analysis are classified into 3 categories, ie; 1) Static (steady-state) voltage stability analysis; 2) Quasi-Steady-State Voltage Analysis; and 3) Dynamic Voltage Stability Analysis [31-34]. One method of a well-recognized quasi-static is the CPF method introduced by Ajjarapu and Christy [35]. CPF method is a voltage stability analysis method that remodels the conventional power flow equation to find power flow solutions ranging from basic loads to stable or critical stability states which uses a predictor and corrector scheme. In addition, the CPF method can be used to detect the most sensitive bus to voltage collapse and also increase or decrease the power losses in the system [36-37], which based on active and reactive power being transferred from distribution or transmission lines.

Fig. 2 shows the graph of the predictor-corrector scheme where in the analytical procedure begins with a known result then will predict the next solution with different loads.

Fig. 2. Predictor-corrector scheme of the CPF method [35].

Firstly a loading parameter (∅) is defined as: 0 ≤ ∅ ≤ ∅ (1) Where ∅ = 0 has the relationship with the base load and ∅ = ∅critical corresponds to the critical load. This load parameter is

then inserted into the active and reactive power equation, so that: 0 = (1 + ) − − ∅( ∆ ) cos ) − (2) 0 = − − ∅( ∆ sin ) − (3) Where, , is active load at bus i is reactive load at bus i is the rate of change indicator of load at bus i to

change ∅

is the power angle of the load changes at bus i ∆ is the quality of the apparent power chosen to inject the exact scale of ∅ is the active power generation at bus i

is the reactive power generation at bus i

is a constant value in the generator to determine the varying degres of change in the generator to ∅ , are parameters of active and reactive power, respectively, that are provided in the system.

After the first step is done then proceed with computation on

the algorithm using the following power flow equation as; ( , , ∅) = 0(4) Where δ is angle vector of the generator, V is vector of bus

voltage magnitude and ∅ is loading parameter.

The CPF method describes a predictor corrector step scheme to find the solution of the reformulated power flow equation. Then, by deriving both sides of the power flow equation, hence:

∅ ∅ = 0(5) By extending the parameterization that has been identified

from each solution that was obtained after the computation process from Eq. 5, then the results achieved will show the sensitivity of every bus in the system. The most sensitive bus has a ratio of the magnitude of the differential voltage changes to the differential change of the load. Therefore, in this study we are presenting PV-Sensitivity to determine the PV location as follows: − = = ∅

= max ∅ , ∅ , …… . ∅ (6)

Eq. 6 shows the sensitivity of each locations with high irradiance, where the PV-Sensitivity is calculated based on the ratio of the magnitude of the differential voltage changes to the differential change of the load, specified to the voltage magnitude improvement in buses with low voltages. Hence, buses with high PV-Sensitivity are then proposed for PV placement, since these buses have high irradiance and have good sensitivity in improving the system’s voltage.

B. Flowchart of the proposed method

Fig. 3 shows a proposed PV flow diagram using CPF and irradiance. After a power flow study, the next step is to run CPF and calculate PV-Sensitivity in determining the most sensitivity location in improving stability in the system at locations with high irradiance. The buses with high PV-Sensitivity is then used as the priority of PV placement.

Fig. 3. Flowchart of the proposed PV allocation methodology with irradiance and CPF [38].

IV. RESULTS AND ANALYSIS

Based on the SOLARGIS data, Southern Sulawesi region has good irradiance, which is shown in Fig. 4. From here, several regions are identified with high irradiance of 1607 kWh/m2/year, they are: Makassar, Sidrap, Jeneponto, Palopo, Bone, Pinrang, Polmas and Poso. Based on this data, Makassar city is one of the areas that have good irradiance. In Makassar, itself there are several substations. Given Makassar is the capital of the province and very dense, so for this study, PV-Sensitivity calculations in Makassar City are represented by several substations, they are; Tallo Lama, Panakukang, Bontoala, and Daya, which are listed in Table I. Hence, these buses/substations will become the candidate for PV placement whose PV-Sensitivity will be calculated.

The proposed method is simulated on the Southern Sulawesi interconnected power system that consists of 44 buses

Star

Identifying location with high irradiance from SOLARGIS info

Perform power flow and voltage stability analysis for initial condition (without PV unit) to calculate

voltage magnitude at each buses

Perform the CPF method to calculate PV-Sensitivity to determine the most influence bus to the instability

Install PV unit with certain capacity in this weak bus

Perform power flow analysis and voltage stability analysis to calculate voltage magnitude

Stop

Display results

(substations), 47 lines and 7 power plants that are modeled for PV placement research based on SOLARGIS data. The power generation output of each PV is simulated of 20 MW. Further detail of the Southern Sulawesi power system can be found at [39-40].

Fig. 4. Solar irradiance at Southern Sulawesi region

TABLE I. SUBSTATIONS WITH HIGH IRRADIANCE

Substations

Tallo Lama Palopo Panakukang Bone

Bontoala Pinrang Daya Polmas Sidrap Poso

Jeneponto

Fig. 5 displays the PV-Sensitivity value in each substation

with good irradiance on the system in descending order. The results are that substations with good irradiance and the highest PV-Sensitivity is found in Tallo Lama and substation who has good irradiance but the worst PV-Sensitivity is Poso.

Overall, Tallo Lama Substation has the highest PV-Sensitivity that is 0.94158, followed by Panakukang of 0.79649, then Bontoala and Daya with PV-Sensitivity of 0.43834 and 0.12497, respectively. While areas that have low PV-Sensitivity are Bone with PV-Sensitivity of 0.00663, Pinrang (0.00472) and Polmas (0.00195). Area with the worst sensitivity is Poso with PV-Sensitivity of -0.00301. This value is even negative,

meaning that installing PV at this substation may deteriorate the stability.

Fig. 5. PV – Sensitivity chart

To assess the results, we evaluated the voltage stability if PV is installed at each substation with good irradiance. Fig. 6 shows the voltage profile for all PV mounting scenarios. The system voltage for installation of 20 MW PV in Tallo Lama is shown in the graph with red line. For more details, Fig. 7 compares the voltage magnitude for initial conditions and for 20 MW PV at substations with the highest PV-Sensitivity (Tallo Lama) and the lowest PV-Sensitivity (Poso). It can be seen that the voltage magnitude of 20 MW PV installed at Tallo Lama is much better than voltage magnitude before PV installation and if PV is placed at Poso. In addition, it clearly shows that if PV of 20 MW is placed in Poso substations, it does not significantly improve the system’s voltage and even voltage at some substations are still below the stability limit of 0.9 p.u. Most of the voltage under 0.9 p.u. are located in the capital of South Sulawesi province where these substations have high load.

After the installation of PV on the system based on SOLARGIS data, we also evaluated network losses in each substation used for the placement of PV in the Southern Sulawesi power system. Assessment of network losses is important in power system’s planning [41-42].

Fig. 6. Voltage Profiles for all scenarios

0.9416

0.7965

0.4383

0.12500.01300.01040.00720.00660.00470.0020

-0.0030-0.2000

0.0000

0.2000

0.4000

0.6000

0.8000

1.0000

PV-S

ensit

ivity

Tallo Lama Panakukang Bontoala DayaSidrap Jeneponto Palopo BonePinrang Polmas Poso

0.8

0.85

0.9

0.95

1

1.05

1.1

1SKA

NG

2SDR

AP3S

PEN

G4P

PARE

5PRA

NG

6PLM

AS7B

AKAR

U8M

JEN

E9M

MU

JU10

SUPP

A11

PLTU

BARR

U12

BARR

U13

PNKE

P14

PNKE

P70

15TN

ASA

16BO

SOW

A17

KIM

A18

TELL

O19

PKAN

G20

TELL

O70

21BR

LOE

22M

NDA

I23

DAYA

24TE

LLO

3025

BWAJ

A26

TLAM

A27

TLAM

A70

28BN

TLA

29SG

MSA

30TB

NGA

31TL

ASA

32M

ARO

S33

PGAY

A34

JNPT

O35

BKM

BA36

SNJA

I37

BON

E38

MKA

LE39

PLO

PO40

LTU

PA41

PLTA

PO

SO42

POM

ANA

275

43PO

MAN

A 15

044

POSO

Volta

ge M

agni

tude

(p.u

.)

Substations

Exisitng Tallo lama Daya Bontoala Jeneponto PalopoPanakukang Pinrang Polmas Poso Sidrap Bone

Fig. 7. Voltage profiles for initial condition, PV at Tallo Lama and PV at Poso

Figs. 8a and 8b demonstrate the network active and reactive power losses, respectively, if PV of 20 MW is installed at each substation with high irradiance. It is found that the highest total losses if PV is installed at Poso Substation, where for active power losses are 0.5236 p.u and reactive power losses are 2.6924 p.u. Nevertheless, if PV is placed at Tallo Lama (with the highest PV-Sensitivity) the network losses are the smallest compared to other scenarios, which are 0.4335 p.u for active power losses and 2.1625 p.u for reactive power losses.

(a) Real power losses

(b) Reactive power

Fig. 8. Network Power Losses

Table II informs the power losses reduction/addition of each scenario of PV installation compared to the initial condition losses. The negative sign (-) implies losses reduction, whereas the positive sign implies losses addition. PV integration at Tallo Lama will result in the biggest losses reduction whereas integrating PV at Poso area will create bigger network losses.

TABLE II. POWER LOSSES REDUCTION/ADDITION COMPARE TO BEFORE PV INSTALLATION

PV Location Power losses reduction/addition

Real power [p.u.]

Reactive power [p.u.]

Tallo Lama -0.07727 -0.40726 Panakukang -0.07301 -0.40196

Bontoala -0.06797 -0.35211 Daya -0.06193 -0.36342

Sidrap -0.024 -0.12416 Jeneponto -0.02225 -0.10929

Palopo -0.01904 -0.0948 Bone -0.01683 -0.09765

Pinrang -0.0148 -0.08749 Polmas -0.00234 -0.03185 Poso 0.01284 0.12256

V. CONCLUSIONS

Proper PV placement in the Southern Sulawesi power system can reduce the power losses that occurs and improve system stability. This paper proposes a new algorithm for PV placement using SOLARGIS data. From SOLARGIS, 8 regions have good irradiance, where Makassar City is represented by 4 substations.

The results of this study confirm that substations in the city of Makassar (Tallo Lama, Panakukang, Bontoala, and Daya) have high irradiance and PV-Sensitivity, and based on these results become recommended places for PV placement as it can increase the voltage profile and reduce the network losses significantly. Nevertheless, the PV plants installation require extensive land, hence further research should be done to find appropriate area in these regions. Sidrap, Jeneponto, Palopo, Bone, Pinrang and Polmas regions also have good irradiance but smaller PV-sensitivity. PV can also be placed at these locations, even though not as effective as if placed at Makassar City area. Poso, with negative PV-Sensitivity, if adding PV at this region, is not effective, since it does not have significant effect in improving voltage profile and adding more network losses into the system.

0.8

0.85

0.9

0.95

1

1.05

1.1

1SKA

NG

2SDR

AP3S

PEN

G4P

PARE

5PRA

NG

6PLM

AS7B

AKAR

U8M

JEN

E9M

MU

JU10

SUPP

A11

PLTU

BARR

U12

BARR

U13

PNKE

P14

PNKE

P70

15TN

ASA

16BO

SOW

A17

KIM

A18

TELL

O19

PKAN

G20

TELL

O70

21BR

LOE

22M

NDA

I23

DAYA

24TE

LLO

3025

BWAJ

A26

TLAM

A27

TLAM

A70

28BN

TLA

29SG

MSA

30TB

NGA

31TL

ASA

32M

ARO

S33

PGAY

A34

JNPT

O35

BKM

BA36

SNJA

I37

BON

E38

MKA

LE39

PLO

PO40

LTU

PA41

PLTA

PO

SO42

POM

ANA

275

43PO

MAN

A 15

044

POSO

Volta

ge m

agni

tude

(p.u

.)

Substations

Existing Tallo lama Poso

0.400.420.440.460.480.500.520.54

Real

pow

er lo

sses

(p.U

.)

2.102.202.302.402.502.602.70

Reac

tive

pow

er lo

sses

(p.

U.)

REFERENCES [1] A. Arief, Z.Y. Dong, M.B. Nappu, and M. Gallagher, “Under Voltage

Load Shedding in Power Systems with Wind Turbine-Driven Doubly Fed Induction Generators” Electric Power System Research, ELSEVIER, vol. 96, pp. 91-100, doi:10.1016/j.epsr.2012.10.013, 2013.

[2] P.Dinakara Prasad Reddy, V.C.Veera Reddy, and T.Gowri Manohar, “Optimal renewable resources placement in distribution networks by combined power loss index and whale optimization algorithms”, J. Electr. Syst. Inf. Technol, pp. 1–17, 2017.

[3] R.S.Ruzzi, O.Penangsang, and N.K.Aryani, “Analisis dan Evaluasi Kestabilan Tegangan dengan Metode Continuation Power Flow (CPF) pada system Microgrid”, 2016, vol.5, no. 2, pp. 528–533.

[4] U.Sultana, A.B.Khairuddin, M.M.Aman, A.S. Mokhtar, and N. Zareen, “A review of optimum DG placement based on minimization of power losses and voltage stability enhancement of distribution system,” Renew. Sustain. Energy Rev., vol. 63, no. September, pp. 363–378, 2016.

[5] S. A. S. Mustaffa, I. Musirin, M. M. Othman, and N. H. Rosli, “Multi DGPV installation in transmission system for loss minimization,” 2017 4th Int. Conf. Ind. Eng. Appl. ICIEA 2017, pp. 350–354, 2017.

[6] Suresh Kumar Sudabattula, “ScienceDirect Optimal allocation of solar based distributed generators in distribution system using Bat algorithm,” Perspect. Sci., vol. 8, pp. 270–272, 2016.

[7] K. Bhumkittipich and W. Phuangpornpitak, “Optimal placement and sizing of distributed generation for power loss reduction using particle swarm optimization,” Energy Procedia, vol. 34, pp. 307–317, 2013.

[8] M. Bazrafshan and N. Gatsis, “Placing and sizing distributed photovoltaic generators for optimal reactive power compensation,” 2015 IEEE Glob. Conf. Signal Inf. Process. Glob. 2015, pp. 1136–1140, 2016.

[9] I. Ben Hamida, “Optimal Integration of Solar Distributed Generations in Distribution Network Using SPEA2,” pp. 368–373, 2016.

[10] M. B. Nappu, R. C. Bansal and T. K. Saha, "Market Power Implication on Congested Power System: A Case Study of Financial Withheld Strategy," International Journal of Electric Power and Energy Systems (IJEPES), vol. 47, pp. 408-415, 2013

[11] S. Kabir, O. Krause, and A. Haider, “Design of an optimal placement algorithm for large scale photovoltaic in sub-transmission networks,” 3rd Int. Conf. Dev. Renew. Energy Technol., pp. 1–6, 2014.

[12] S. Daud, A. Fazliana, A. Kadir, C. K. Gan, and A. R. Abdullah, “Optimal allocation and sizing of Photovoltaic-based distributed generation for voltage dip improvement,” pp. 89–94, 2016.

[13] A. Arief, Antamil and M.B. Nappu, “An Analytical Method for Optimal Capacitors Placement from the Inversed Reduced Jacobian Matrix”, Energy Procedia, ELSEVIER, vol. 100, pp. 307-310, 2016

[14] T. M. Razykov, C. S. Ferekides, D. Morel, E. Stefanakos, H. S. Ullal, and H. M. Upadhyaya, “Solar photovoltaic electricity: Current status and future prospects,” Sol. Energy, vol. 85, no. 8, pp. 1580–1608, 2011.

[15] H.Outhred and M.Retnanestri,“Insights from the Experience with Solar Photovoltaic Systems in Australia and Indonesia,” in Energy Procedia,2015,vol.65,pp.121–130.

[16] P. Hersch and K. Zweibel, “Basic photovoltaic principles and methods,” Antimicrob. Agents Chemother., vol. 58, no. 12, pp. 7250–7, 1982.

[17] Sekjen Dewan Energi Indonesia, ''Outlook Energy Indonesia 2016'' Issn 2527-3000 issn 2527-3000.

[18] U. Eminoglu and M. H. Hocaoglu, “A voltage stability index for radial distribution networks,” 2007 42nd Int. Univ. Power Eng. Conf., pp. 408–413, 2007.

[19] C. Liu, A. Bose, M. Han, and X. Chen, “Improved Continuation Power Flow Method for AC / DC Power System,” no. 3, pp. 192–198, 2011.

[20] K. Knapp and T. Jester, “Empirical investigation of the energy payback time for photovoltaic modules,” Sol. Energy, vol. 71, no. 3, pp. 165–172, 2001.

[21] K. Kawajiri and Y. Genchi, “The right place for the right job in the photovoltaic life cycle,” Environ. Sci. Technol., vol. 46, no. 13, pp. 7415–7421, 2012.

[22] L. Serrano-Luján, N. Espinosa, J. Abad, and A. Urbina, “The greenest decision on photovoltaic system allocation,” Renew. Energy, vol. 101, pp. 1348–1356, 2017.

[23] A.W.H.Sie,I.Z.Abidin, and H. Hashim, “A methodology to determine suitable placement of solar photovoltaic sources in the transmission system taking into account Voltage Stability Index (VSI),” in Conference Proceeding - 2014 IEEE International Conference on Power and Energy, PECon 2014, 2014, pp. 226–230.

[24] S.Essallah, A.Bouallegue, and A.Khedher, “Optimal placement of PV-distributed generation units in radial distribution system based on sensitivity approaches,” 2015 16th Int. Conf. Sci. Tech. Autom. Control Comput. Eng., pp. 513–520, 2015.

[25] M.B.Nappu, A.Arief and R.C. Bansal,“Transmission Management for Congested Power System: A Review of Concepts, Technical Challenges and Development of a New Methodology” Renewable and Sustainable Energy Reviews, ELSEVIER, Vol.38, pp.572–580, doi:10.1016/j.rser.2014.05.089, October 2014.

[26] G. Guerra and J. A. Martinez, “A Monte Carlo method for optimum placement of photovoltaic generation using a multicore computing environment,” IEEE Power Energy Soc.Gen.Meet,vol. 2014–Octob, no.October, pp.1–5, 2014.

[27] K. Zweibel, “The Terawatt Challenge for Thin-Film PV,” NREL Tech. Rep., no. August 2005.

[28] W.Fang, Q.Huang, S.Huang, J.Yang, E.Meng, and Y.Li, “Optimal sizing of utility-scale photovoltaic power generation complementarily operating with hydropower: A case study of the world’s largest hydro-photovoltaic plant,”EnergyConvers. Manag, vol.136, pp.161–172, 2017.

[29] SOLARGIS.Global Horizontal Irradiation. http://solargis.com/products/maps-and-gis data/free/download/world>

[accessed 2017.07.17]. [30] R. T. Widodo, P. Sejati, Asmuniv, and Rugianto, “Maximum Power

Point Tracker Sel Surya Menggunakan Algoritma Perturb and Observe,” no. 1.

[31] A. Arief and M. B. Nappu, “DG placement and size with continuation power flow method,” in Proceedings-5th International Conference on Electrical Engineering and Informatics: Bridging the Knowledge between Academic, Industry, and Community,ICEEI 2015, pp. 579–584.

[32] Q.Wang,“Quasi-Steady-State Analysis by Using Continuation Method no.C, pp.1300–1304, 2001.

[33] P. Xu, X. Wang, and V. Ajjarapu, “Continuation power flow with adaptive stepsize control via convergence monitor,” in IET Generation, Transmission & Distribution, 2012, vol. 6, no. 7, p. 673.

[34] O. El Fadhel Loubaba Bekri and M. K. Fellah, “Placement of wind farms for enhancing voltage stability based on continuation power flow technique,” in Proceedings of 2015 IEEE International Renewable and Sustainable Energy Conference, IRSEC 2015, 2015.

[35] V. Ajjarapu and C. Christy, “The continuation power flow: A tool for steady state voltage stability analysis,” IEEE Trans. Power Syst., vol. 7, no. 1, pp. 416–423, 1992.

[36] S. Liu, F. Liu, T. Ding, and Z. Bie, “Optimal Allocation of Reactive Power Compensators and Energy Storages in Microgrids Considering Uncertainty of Photovoltaics,” Energy Procedia, vol. 103, no. April, pp. 165–170, 2016.

[37] A. Arief, M.B. Nappu, M. Gallagher, Z.Y. Dong and J. Zhao, “Comparison of CPF and Modal Analysis Methods in Determining Effective DG Locations”, Proceedings of the 9th International Power and Energy Conference (IPEC), Singapore, 27 – 29 October 2010.

[38] H. Hedayati, S. A. Nabaviniaki, and A. Akbarimajd, “A new method for placement of DG units in distribution networks,” 2006 IEEE PES Power Syst. Conf. Expo. PSCE 2006 - Proc., vol. 23, no. 3, pp. 1904–1909, 2006.

[39] A. Arief and M. B. Nappu, "Voltage Drop Simulation at Southern Sulawesi Power System Considering Composite Load Model," Proceedings of the 3rd International Conference on Information Technology, Computer and Electrical Engineering (ICITACEE 2016), Semarang, 2016

[40] M.B.Nappu and A.Arief, "Network Losses Reduction Due To New Hydro Power Plant Integration," Proceedings of the 3rd International Conference on Information Technology, Computer and Electrical Engineering (ICITACEE 2016), Semarang, 2016

[41] M.B. Nappu and A. Arief, “Network Losses-Based Economic Redispatch for Optimal Energy Pricing in a Congested Power System”, Energy Procedia, ELSEVIER, vol. 100, pp. 311-314, 2016

[42] M.B.Nappu and A.Arief, “Economic Redispatch Considering Transmission Congestion for Optimal Energy Price in a Deregulated Power System”, Proceedings of the 5th International Conference on Electrical Engineering and Informatics (ICEEI), Kuta, Bali, Indonesia, 10-11 August 2011.

PENENTUAN LOKASI PHOTOVOLTAIC DENGAN METODE...

Documents

Transcript of PENENTUAN LOKASI PHOTOVOLTAIC DENGAN METODE...